0
点赞
收藏
分享

微信扫一扫

Pytorch通用图像分类模型(支持20+分类模型),直接带入数据就可训练自己的数据集,包括模型训练、推理、部署。

Pytorch-Image-Classifier-Collection

介绍

==============================

支持多模型工程化的图像分类器

 ==============================

软件架构

        Pytorch+opencv

代码地址

        github地址:GitHub - qiaofengsheng/Pytorch-Image-Classifier-Collection: 支持多模型工程化的图像分类器

        gitee地址:Pytorch-Image-Classifier-Collection: 支持多模型工程化的图像分类器

模型支持架构

模型

----
resnet18resnet34resnet50resnet101
resnet152resnext101_32x8dresnext50_32x4dwide_resnet50_2
wide_resnet101_2densenet121densenet161densenet169
densenet201vgg11vgg13vgg13_bn
vgg19vgg19_bnvgg16vgg16_bn
inception_v3mobilenet_v2mobilenet_v3_smallmobilenet_v3_large
shufflenet_v2_x0_5shufflenet_v2_x1_0shufflenet_v2_x1_5shufflenet_v2_x2_0
alexnetgooglenetmnasnet0_5mnasnet1_0
mnasnet1_3mnasnet0_75squeezenet1_0squeezenet1_1

损失函数

----
msel1smooth_l1cross_entropy

优化器

----
SGDASGDAdamAdamW
AdamaxAdagradAdadeltaSparseAdam
LBFGSRpropRMSprop

安装教程

  1. pytorch>=1.5即可,其余库自行安装即可。

使用说明

  1. 配置文件config/config.yaml

    data_dir: "./data/"  #数据集存放地址
    train_rate: 0.8   #数据集划分,训练集比例
    image_size: 128   #输入网络图像大小
    net_type: "shufflenet_v2_x1_0"
    pretrained: True  #是否添加预训练权重
    batch_size: 4   #批次
    init_lr: 0.01   #初始学习率
    optimizer: 'Adam' #优化器 
    class_names: [ 'cat','dog' ]  #你的类别名称,必须和data文件夹下的类别文件名一样
    epochs: 10  #训练总轮次
    loss_type: "mse"  # mse / l1 / smooth_l1 / cross_entropy   #损失函数
    model_dir: "./shufflenet_v2_x1_0/weight/"   #权重存放地址
    log_dir: "./shufflenet_v2_x1_0/logs/"    # tensorboard可视化文件存放地址
  2. 模型训练

    # 第一次训练
    python train.py
    ​
    # 接着自己未训练完成的模型继续训练
    python train.py --weights_path 模型保存路径
  3. 模型推理

    # 检测图片
    python infer.py image --image_path 图片地址
    ​
    # 检测视频
    python infer.py video --video_path 图片地址
    ​
    # 检测摄像头
    python infer.pu camera --camera_id 摄像头id

参与贡献

B站地址:深度学习麋了鹿的个人空间_哔哩哔哩_Bilibili

github地址:GitHub - qiaofengsheng/Pytorch-Image-Classifier-Collection: 支持多模型工程化的图像分类器

gitee地址:Pytorch-Image-Classifier-Collection: 支持多模型工程化的图像分类器

举报

相关推荐

0 条评论