Halcon 深度学习之水果分类

前言

想要顺利跑通18版本的深度学习，需要三个条件。
1、需要一张支持GPU加速的显卡（18版本不支持CPU训练）。
2、配置深度学习环境（这个相对于Caffe、Tenserflow、Pytorch环境配置要简单的多，只需参考我这篇博客就行https://blog.csdn.net/qq_18620653/article/details/105329219）。
3、安装Halcon软件以及深度学习库。Halcon-18.11.1.0-windows.exe软件以及深度学习库halcon-18.11.1.0-windows-deep-learning下载链接：https://pan.baidu.com/s/14dpJXWaXJvZP7__4fNU5Lg
提取码：tege
OK，以上三个都满足了。接下来为了方便刚刚接触Halcon深度学习的童鞋快速理解例子以及上手应用。通过对例子的理解，我将例子总结为：数据处理、网络训练参数设置、训练网络、验证、测试。

数据处理

1、文件数据处理（获取每张图像对应的标签以及要分的种类名称）

保存处理后图像目标存放文件夹以及每张图像名称命名

2、图像处理（去除背景以及改变图像大小）

3、划分数据集

网络训练参数设置

初始化网络模型参数，18版本目前只支持GPU训练，不支持CPU。

训练网络

将处理后的图像、对应标签以及初始化的网络参数输入到网络中训练。

其实Halcon中提供的分类网络模型有三种（详细介绍https://blog.csdn.net/qq_18620653/article/details/106035517），这里使用的是迷你型网络模型，感兴趣的可以试试另外两种模型（如果你的硬件配置足够好的话）

验证

测试

测试例子中默认为CPU环境测试，当然也可以GPU环境测试。

代码

**代码链接：
https://blog.csdn.net/qq_18620653/article/details/106043671

下一篇：Halcon 深度学习分类之Mnist应用

https://blog.csdn.net/qq_18620653/article/details/106043671