m
a
j
o
r
−
s
使
用
说
明
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
major_s.classification.config.train_image = r"D:\PycharmWorkPlaces\发布模块压缩包\splitDataset\train"
major_s.classification.config.val_image = r"D:\PycharmWorkPlaces\发布模块压缩包\splitDataset\valid"
major_s.classification.config.path_saved_model = r"D:\PycharmWorkPlaces\发布模块压缩包\saved_model\best_model.pth"
major_s.classification.config.model = major_s.classification.models.LeNet.LeNet(num_classes=10, num_linear=400)
major_s.classification.config.crop_size = (32,32)
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}
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
major_s.classification.config.model = major_s.classification.models.LeNet.LeNet(num_classes=10, num_linear=400)
major_s.classification.config.path_saved_model = r"D:\PycharmWorkPlaces\发布模块压缩包\saved_model\best_model.pth"
major_s.classification.predict.load_model()
major_s.classification.config.crop_size = (32,32)
major_s.classification.config.classes = ["airplane", "automobile", "bird", "cat", "deer","dog", "frog", "horse", "ship", "truck"]
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