major_s使用说明

$$major-s使用说明$$

---

一 分类

1.数据集分割

参数需求：

1.源数据集路径
2.分割后数据集路径
3.训练集、验证集和测试集的划分比例

major_s.classification.split_dataset.run(源数据集路径，分割后数据集路径，训练集、验证集和测试集的划分比例)

实例

import major_s
major_s.classification.split_dataset.run(r"D:\PycharmWorkPlaces\发布模块压缩包\image", r"D:\PycharmWorkPlaces\发布模块压缩包\splitDataset",(0.8,0.1,0.1))

---

2.模型训练

参数需求：

1.训练集路径
2.验证集路径
3.模型参数路径
4.模型网络的选择
5.损失函数的选择
6.优化器的选择
7.优化策略的选择
8.裁剪resize的shape:crop_size
9.类别对应表:dict_label
10.类别字符串：classes
11.数据集的均值和标准差：norm_mean、norm_std

实例

# 1.训练集路径
major_s.classification.config.train_image = r"D:\PycharmWorkPlaces\发布模块压缩包\splitDataset\train"
# 2.验证集路径
major_s.classification.config.val_image = r"D:\PycharmWorkPlaces\发布模块压缩包\splitDataset\valid"
# 3.模型参数路径
major_s.classification.config.path_saved_model = r"D:\PycharmWorkPlaces\发布模块压缩包\saved_model\best_model.pth"
# 4.模型网络选择
major_s.classification.config.model = major_s.classification.models.LeNet.LeNet(num_classes=10, num_linear=400)
# 5.裁剪尺寸
major_s.classification.config.crop_size = (32,32)
# 6.类别对应表:dict_label
major_s.classification.config.dict_label = {"0": 0, "1": 1, "2": 2, "3": 3, "4": 4,"5": 5,
                                            "6": 6, "7": 7, "8": 8, "9": 9}  # 如果改了分类目标，这里需要修改
# 7.运行
major_s.classification.train.run()

---

3.模型评测

参数需求：

1.
2.
3.

---

4.模型输出

参数需求：

1.模型网络选择
2.模型参数路径
3.模型预加载
4.裁剪尺寸
5.类别字符串：classes

# 1.模型网络选择
major_s.classification.config.model = major_s.classification.models.LeNet.LeNet(num_classes=10, num_linear=400)
# 2.模型参数路径
major_s.classification.config.path_saved_model = r"D:\PycharmWorkPlaces\发布模块压缩包\saved_model\best_model.pth"
# 3.模型预加载
major_s.classification.predict.load_model()
# 4.裁剪尺寸
major_s.classification.config.crop_size = (32,32)
# 5.类别字符串：classes
major_s.classification.config.classes = ["airplane", "automobile", "bird", "cat", "deer","dog", "frog", "horse", "ship", "truck"]
# 6.预测
for i in range(10):
    major_s.classification.predict.predict_for_singleimg(r"D:\PycharmWorkPlaces\发布模块压缩包\splitDataset\test\0\0_30.png")
major_s.classification.predict.predict_for_directory(r"D:\PycharmWorkPlaces\发布模块压缩包\splitDataset\train\0")

---

5.模型可视化

参数需求：

1.模型
2.输入shape

major_s.classification.visual_model.visual(major_s.classification.models.LeNet.LeNet(num_classes=10, num_linear=400), (3, 32, 32))

---

二 分割

1.数据集分割

参数需求：

1.
2.
3.

2.模型训练

参数需求：

1.
2.
3.

3.模型评测

参数需求：

1.
2.
3.

4.模型输出

参数需求：

1.
2.
3.

5.模型可视化

参数需求：

1.
2.
3.

---

三 检测

1.数据集分割

参数需求：

1.
2.
3.

2.模型训练

参数需求：

1.
2.
3.

3.模型评测

参数需求：

1.
2.
3.

4.模型输出

参数需求：

1.
2.
3.

5.模型可视化

参数需求：

1.
2.
3.

---

四

---

五

---

六

---

七

---

八

---

九

---

十

---

十一

---

十二

---

十三

---

十四

---

十五

---

十六

---

十七

---

十八

---

十九

---

二十

---

二十一

---

二十二

---

二十三

---

二十四

---

二十五

---

二十六

---

二十七

---

二十八

---

二十九

---

三十

---

三十一

---

三十二

---

三十三

---

三十四

---

三十五

---

三十六