PaddleClas基于ResNet50_vd模型+flowers102数据集进行训练、预测

最新推荐文章于 2024-08-03 19:30:03 发布

来了就走下去

最新推荐文章于 2024-08-03 19:30:03 发布

阅读量981

点赞数 1

分类专栏： PaddlePaddle 文章标签：深度学习 PaddlePaddle PaddleClas

本文链接：https://blog.csdn.net/u012009613/article/details/110075124

版权

PaddlePaddle 专栏收录该内容

8 篇文章 63 订阅 ¥9.90 ¥99.00

订阅专栏

本文介绍了如何基于PaddleClas库，利用ResNet50_vd模型对flowers102数据集进行训练和预测。首先，详细讲解了数据准备、环境配置，包括设置PYTHONPATH环境变量，下载训练模型。接着，针对CPU版本的PaddlePaddle，在训练过程中解决enable_static方法的问题。训练完成后，文章讨论了PaddleClas提供的三种预测方法，并选择了预测引擎配合inference模型的方式进行预测，最后对预测结果进行了简单的分析。

摘要由CSDN通过智能技术生成

前提：安装PaddleClas

cd path_to_clone_PaddleClas
git clone https://github.com/PaddlePaddle/PaddleClas.git

安装python依赖库：

pip install --upgrade -r requirements.txt

1、数据准备

（1）下载数据集

cd path_to_PaddleClas
cd dataset/flowers102
wget https://www.robots.ox.ac.uk/~vgg/data/flowers/102/102flowers.tgz
wget https://www.robots.ox.ac.uk/~vgg/data/flowers/102/imagelabels.mat
wget https://www.robots.ox.ac.uk/~vgg/data/flowers/102/setid.mat
tar -xf 102flowers.tgz

（2）制作train/val/test标签文件

python generate_flowers102_list.py jpg train > train_list.txt
python generate_flowers102_list.py jpg valid > val_list.txt
python generate_flowers102_list.py jpg te

了解本专栏