Pytorch 训练自己的图像分类网络


前言

本篇博客主要是讲述如何,训练自己的分类网络。使用的是Pytorch 框架。所有代码是使用自己学习到的方法拼凑出来的。包含了我之前博客中提到的ResNet,MLP-Mixer,ConvNeXt,ConvMixer。

网络 博客链接
ResNet 链接
MLP-Mixer 链接
ConvNeXt 链接
ConvMixer 链接

项目地址:https://github.com/jiantenggei/torch-classification
猫狗数据集链接:https://pan.baidu.com/s/1y7Vjy3-RhlEFvtH6RY8JMQ 提取码:90f0

一、如何配置

1.运行环境:

仓库中提供了yaml文件,conda虚拟环境导入,torch是GPU版本:

conda env create -f torch.yaml

配置好后检查GPU是否可用:

import torch
#返回当前设备索引
print(torch.cuda.current_device())
#返回GPU的数量
print(torch.cuda.device_count())
#cuda是否可用 True 表示可用
print(torch.cuda.is_available())

2.准备数据集

深度学习图像分类数据集,一般是以文件夹作为类别命,下面以猫狗分类为例。数据集拜访如下所示:

─dataset
    ├─train
    │	└─cats
    │		└─xxjj.jpg
    │	└─dogs
    │	 	└─xxx.jpg
    ├─test
    │	└─cats
    │	└─dogs

cats 和dogs 文件夹下直接是图片即可。
在这里插入图片描述

3.生成训练数据索引

且还需要在classes.txt文件 按顺序写下该顺序如下图:
在这里插入图片描述
classes = [“cats”, “dogs”] 数据集中文件夹的命名顺序保持一致。 运行txt_annotation.py 生成上图中的
cls_train.txt 和cls_text.txt。

import os
from os import getcwd
#---------------------------------------------------#
#   训练自己的数据集的时候一定要注意修改classes
#   修改成自己数据集所区分的种类
#   种类顺序需要和训练时用到的classes.txt一样
#   生成cls_train.txt, cls_text.txt
#---------------------------------------------------#
classes = ["cats", "dogs"]
sets    = [
  • 3
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

__不想写代码__

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值