聚类算法 在本地使用faiss-cpu实现猫狗识别

# 项目描述 本项目使用FAISS库实现了基于K近邻的图像分类器。该分类器可以使用CPU进行训练，并支持flat特征提取方法。用户可以选择使用sklearn或faiss库实现K近邻算法。 # 运行效果   # 功能 本项目实现了以下功能： - 使用FAISS库实现基于K近邻的图像分类器 - 支持使用CPU或GPU进行训练 - 支持两种特征提取方法：flat和vgg - 支持使用sklearn或faiss库实现K近邻算法 # 依赖 本项目依赖以下库： - numpy - faiss - sklearn - argparse - logging - tqdm - cv2 - os - imutils - pickle - tensorflow # 使用 1. 安装依赖库 2. 运行训练脚本 ```bash python train.py -m [cpu|gpu] -f [flat|vgg] -l [sklearn|faiss] ``` 其中： - `-m`：选择训练模式，可选值为cpu或gpu - `-f`：选择特征提取方法，可选值为flat或vgg - `-l`：选择使用的库，可选值为sklearn或faiss 3. 查看训练结果 - 训练完成后，程序会输出最佳的k值和相应的准确率。 # 注意 - 本项目使用Python 3.8及以上版本进行开发和测试。 - 本项目使用FAISS库进行高效的相似度搜索和稠密向量的聚类。 - 本项目使用sklearn库中的K近邻分类器作为对比实验。 - 本项目使用VGG16模型进行图像特征提取。 - 本项目使用logging库记录日志。 - 本项目使用tqdm库在循环中添加进度条。 ## 个人信息 - 学号: 202152320117 - 年级: 2021 - 专业: 智能科学与技术 - 班级: 一班