# Deep-Learning-Models-For-Classification
This project organizes classic classification Neural Networks based convolution or attention mechanism.
This readme is introduced in Chinese (including most of the comments in the code). Please translate it into English if necessary.
## 1. Introduction
以下是本项目支持的模型列表,包含了自AelxNet以来经典的深度学习分类模型,大部分模型是基于卷积神经网络的,也有一部分是基于注意力机制的。 博客链接是对模型的介绍,会持续更新...
在项目目录中,模型的搭建代码在classic_models文件夹中;**所有的模型训练代码是共用的**,有三个版本:
- train_sample.py是最简单的实现,必须掌握,以下版本看个人能力和需求。
- train.py是升级版的实现,具体改进的地方见train.py脚本中的注释。
- train_distrubuted.py支持多gpu分布式训练。
最后,test.py是推理脚本,用于使用训练好的模型。dataload中是数据集加载代码;utils是封装的功能包,包括学习策略,训练和验证,分布式初始化,可视化等等。建议先学习掌握classic_models,train_sample.py和test.py这三部分。
## 2. Dataset And Project
本项目是使用python语言基于pytorch深度学习框架编写的。
默认的数据集是花朵数据集,此数据集包含五种不同种类的花朵图像,用于训练的图像有3306张,用于验证的图像有364张。下载链接如下:https://pan.baidu.com/s/1EhPMVLOQlLNN55ndrLbh4Q
提取码:7799 。
**下载完成后,记得在训练和推理代码中,将数据集加载的路径修改成自己电脑中下载存储的路径。**
数据集图像展示如下:
<div align="center">
<img src="https://user-images.githubusercontent.com/102544244/192847344-958812cc-0988-4fa4-a458-ed842c41b8d2.png" alt="Dataset show" width="700"/>
</div>
开启模型的训练只需要在IDE中执行train_sample.py脚本即可;或者在终端执行命令行`python train_sample.py` 训练的log打印示例如下:
<div align="center">
<img src="https://user-images.githubusercontent.com/102544244/192849338-d7297768-88d4-40f8-83b6-79962ace7fd4.png" alt="training log" width="600"/>
</div>
将训练好的模型用于推理,给一张向日葵的图像,模型的输出结果示例结果如下:
<div align="center">
<img src="https://user-images.githubusercontent.com/102544244/192850216-f9ebf217-97f9-4c87-a5e5-4c1e032f436b.png" alt="infer show" width="400"/>
</div>
## 3. Methods And Papers
1. AlexNet
Blog Introduction Link: [博文传送门](http://124.220.164.99:8090/archives/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E4%B9%8B%E5%9B%BE%E5%83%8F%E5%88%86%E7%B1%BB%E4%B8%80alexnet)
2. ZFNet
Blog Introduction Link: [博文传送门](http://124.220.164.99:8090/archives/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E4%B9%8B%E5%9B%BE%E5%83%8F%E5%88%86%E7%B1%BB%E4%B8%89zfnet)
3. VggNet
Blog Introduction Link: [博文传送门](http://124.220.164.99:8090/archives/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E4%B9%8B%E5%9B%BE%E5%83%8F%E5%88%86%E7%B1%BB%E5%9B%9Bvgg)
4. GoogleNet
Blog Introduction Link: [博文传送门](http://124.220.164.99:8090/archives/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E4%B9%8B%E5%9B%BE%E5%83%8F%E5%88%86%E7%B1%BB%E4%BA%94googlenet)
5. ResNet
Blog Introduction Link: [博文传送门](http://124.220.164.99:8090/archives/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E4%B9%8B%E5%9B%BE%E5%83%8F%E5%88%86%E7%B1%BB%E5%85%ADresnet)
6. DenseNet
Blog Introduction Link: [博文传送门](http://124.220.164.99:8090/archives/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E4%B9%8B%E5%9B%BE%E5%83%8F%E5%88%86%E7%B1%BB%E4%B8%83densenet)
7. SENet
Blog Introduction Link: [博文传送门](http://124.220.164.99:8090/archives/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E4%B9%8B%E5%9B%BE%E5%83%8F%E5%88%86%E7%B1%BB%E5%85%ABsenet)
8. MobileNet
Blog Introduction Link: [博文传送门](http://124.220.164.99:8090/archives/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E4%B9%8B%E5%9B%BE%E5%83%8F%E5%88%86%E7%B1%BB%E4%B9%9Dmobilenet%E7%B3%BB%E5%88%97v1v1v3)
9. ShuffleNet
Blog Introduction Link: [博文传送门](http://124.220.164.99:8090/archives/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E4%B9%8B%E5%9B%BE%E5%83%8F%E5%88%86%E7%B1%BB%E5%8D%81shufflenet%E7%B3%BB%E5%88%97v1v2)
10. EfficientNet
Blog Introduction Link: [博文传送门](http://124.220.164.99:8090/archives/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E4%B9%8B%E5%9B%BE%E5%83%8F%E5%88%86%E7%B1%BB%E5%8D%81%E4%B8%80eifficientnet%E7%B3%BB%E5%88%97%E7%B3%BB%E5%88%97v1v1v3)
11. Vision_Transformer
Blog Introduction Link: [博文传送门](http://124.220.164.99:8090/archives/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E4%B9%8B%E5%9B%BE%E5%83%8F%E5%88%86%E7%B1%BB%E5%8D%81%E4%BA%8Cvisiontransformer)
12. Swin_Transformer
Blog Introduction Link: WRINTING
13. ConvNeXt
Blog Introduction Link: WRINTIN
14. MLP-mixer
Blog Introduction Link: WRINTING... ...
"# ClassificationModels"
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
python实现基于DenseNet、GoogleNet、ResNet等多种网络的图像分类源码(高分项目).zip已获导师指导并通过的97分的高分大作业设计项目,可作为课程设计和期末大作业,下载即用无需修改,项目完整确保可以运行。 python实现基于DenseNet、GoogleNet、ResNet等多种网络的图像分类源码(高分项python实现基于DenseNet、GoogleNet、ResNet等多种网络的图像分类源码(高分项python实现基于DenseNet、GoogleNet、ResNet等多种网络的图像分类源码(高分项python实现基于DenseNet、GoogleNet、ResNet等多种网络的图像分类源码(高分项python实现基于DenseNet、GoogleNet、ResNet等多种网络的图像分类源码(高分项python实现基于DenseNet、GoogleNet、ResNet等多种网络的图像分类源码(高分项python实现基于DenseNet、GoogleNet、ResNet等多种网络的图像分类源码(高分项python实现基于DenseNet、Google
资源推荐
资源详情
资源评论
收起资源包目录
python实现基于DenseNet、GoogleNet、ResNet等多种网络的图像分类源码(高分项目).zip (2000个子文件)
2431737309_1468526f8b.jpg 275KB
4932735362_6e1017140f.jpg 271KB
8717900362_2aa508e9e5.jpg 260KB
5693459303_e61d9a9533.jpg 243KB
5674170543_73e3f403fb.jpg 241KB
10164073235_f29931d91e.jpg 239KB
4546316433_202cc68c55.jpg 234KB
13472141763_f2517e7f0d.jpg 231KB
10995953955_089572caf0.jpg 231KB
3011223301_09b4e3edb7.jpg 230KB
1080179756_5f05350a59.jpg 229KB
4546299243_23cd58eb43.jpg 229KB
3711892138_b8c953fdc1_z.jpg 227KB
7042692841_f323799c0d.jpg 226KB
3254533919_cb0b8af26c.jpg 223KB
8701999625_8d83138124.jpg 221KB
10094731133_94a942463c.jpg 220KB
142235914_5419ff8a4a.jpg 220KB
6934951920_d43ff8b78d.jpg 219KB
5674127693_1ddbd81097.jpg 219KB
518256494_368a72db37.jpg 217KB
17224410762_402455ed8f.jpg 216KB
6931748252_68f06086b3.jpg 215KB
8695372372_302135aeb2.jpg 215KB
6140661443_bb48344226.jpg 215KB
3568925290_faf7aec3a0.jpg 215KB
4932143849_018486cbf7.jpg 214KB
9976515506_d496c5e72c.jpg 214KB
5629940298_634f35125c.jpg 212KB
2256230386_08b54ca760.jpg 211KB
10094729603_eeca3f2cb6.jpg 210KB
7358085448_b317d11cd5.jpg 209KB
155097272_70feb13184.jpg 208KB
5755467567_903c31e3d0.jpg 208KB
7166606598_5d2cd307c3.jpg 207KB
175686816_067a8cb4c5.jpg 207KB
7166644048_b00a14f01b.jpg 206KB
808239968_318722e4db.jpg 205KB
4574447682_40dce530f1.jpg 204KB
13471273823_4800ca8eec.jpg 202KB
530738000_4df7e4786b.jpg 201KB
13513644515_a51470b899.jpg 201KB
7166539842_43b7e02883.jpg 199KB
142235017_07816937c6.jpg 199KB
4516198427_0e5099cd8e.jpg 197KB
3002863623_cd83d6e634.jpg 195KB
5674707464_dc18de05b1.jpg 194KB
14067456066_87e15792d0.jpg 194KB
14087361621_9fefb8dbef.jpg 193KB
8605564823_7a59d3d92a.jpg 187KB
3469112805_6cc8640236.jpg 187KB
5674132053_b40a7d32ca.jpg 186KB
4753134939_8e87649db6.jpg 185KB
405035580_94b793e71d.jpg 184KB
8722514702_7ecc68691c.jpg 183KB
2229906591_e953785d13.jpg 183KB
3485767306_6db7bdf536.jpg 182KB
4932735566_2327bf319a.jpg 182KB
8757486380_90952c5377.jpg 181KB
5680695867_baff72fc7c.jpg 181KB
7166550328_de0d73cfa9.jpg 181KB
169371301_d9b91a2a42.jpg 181KB
4572955407_87f4805c7b.jpg 181KB
8712270243_8512cf4fbd.jpg 181KB
5552198702_35856ed8ec.jpg 180KB
2256214682_130c01d9d9.jpg 180KB
8713396140_5af8136136.jpg 179KB
110147301_ad921e2828.jpg 179KB
5674125303_953b0ecf38.jpg 178KB
4263272885_1a49ea5209.jpg 178KB
5738580862_e128192f75.jpg 177KB
2133943140_9fc7bcc9aa.jpg 174KB
176458518_f81d4bff8e.jpg 172KB
5682463466_d3e641cb8b.jpg 172KB
155646858_9a8b5e8fc8.jpg 172KB
645330051_06b192b7e1.jpg 171KB
7166567320_0a2beb6d42.jpg 171KB
8677713853_1312f65e71.jpg 171KB
3546455114_cd2dea5e02.jpg 171KB
11614202956_1dcf1c96a1.jpg 170KB
6207492986_0ff91f3296.jpg 169KB
7136973281_b2a935ce20.jpg 169KB
485266837_671def8627.jpg 167KB
4579079143_f65b39dd9f.jpg 167KB
8706523526_a0f161b72b.jpg 167KB
6905876618_12732b74de_b.jpg 165KB
5674695558_61397a1584.jpg 165KB
2465442759_d4532a57a3.jpg 165KB
486896118_bcc7b8e1d6.jpg 164KB
9610373748_b9cb67bd55.jpg 163KB
15632065904_0d9caf174b.jpg 163KB
10994032453_ac7f8d9e2e.jpg 162KB
148698493_5710e5f472.jpg 162KB
4635296297_9ce69e4a6e.jpg 161KB
22506717337_0fd63e53e9.jpg 160KB
444963906_e41492b692.jpg 159KB
14090546015_504c8becd1.jpg 158KB
6606746467_a668c8d417.jpg 158KB
5853276960_d08f90fff6.jpg 157KB
5891485349_cce7b99549.jpg 157KB
共 2000 条
- 1
- 2
- 3
- 4
- 5
- 6
- 20
资源评论
不安分的小女孩
- 粉丝: 9942
- 资源: 2393
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功