目录
1. 介绍
这次文章目的是用PyQT做一个实际的项目
因为图像分类的网络通过主流的网络框架很容易实现,但是想要真实的预测图像的话,之前的方法都是再pycharm里面生成一个predict.py文件。然后再里面用PIL去读取图像,传递给网络后再pycharm里面进行输出预测
由于这样的方式预测图像很麻烦,而且电脑上没有python解释器的话,就没办法使用。所以,初步的想法是生成一个exe可执行文件,这样windows平台上都可以运行。然后为了方便传入图像,这里会建立一个粗糙的GUI界面,通过图形化的方式传入图片。
最后得到的结果是上图这样的,虽然界面粗糙,但是能简单实现预期的功能
2. LeNet 神经网络
这里用于预测的网络是LeNet网络,训练的数据是CIFAR10训练集。搭建LeNet并且成功预测图片可以参考这篇文章:pytorch 搭建 LeNet 网络对 CIFAR-10 图片分类
这里不对网络做过多解释,这里需要的文件只有predict。因为只需要将训练好的权重参数保存再LeNet.pth 里面,