蔚蓝AI比赛-商品识别.zip

# Vegetable birds的解题思路 - 由于数据集中图像过大，我们首先使用了python的PIL库将每张图片的大小按比例压缩到96x96的大小，对于空白处使用像素值为0填补上。 - 我们选择Pytorch框架来作为框架基础。 - 我们使用ResNet152作为CNN训练模型。 - 我们使用GTX 1080显卡，训练100个epoch，并选取其中loss最小，泛化精度最好的模型。 ## 项目结构 ``` . ├── cpu_predict.py # CPU预测脚本 ├── easy # 下载的数据集 │   ├── data │   ├── data.csv │   └── test ├── gen_dataset.py # 预处理数据集脚本 ├── gpu_predict.py # GPU预测脚本 ├── load_dataset.py # 读取数据集脚本 ├── model # 预训练好的模型 │   ├── model-87-8.477896466274615e-05.pth ├── net # CNN网络模型 │   ├── load_net.py │   ├── resnet152.py │   ├── resnet.py │   └── simplenet.py ├── requirements.txt ├── result.csv # 结果文件 ├── train_full.py # 训练脚本（full） ├── train.py # 训练脚本 └── train_set.pk # 预处理数据集输出 ``` ## 如何运行 首先确保安装如下Python库： ``` torchvision==0.2.1 numpy==1.15.4 torch==1.0.0 Pillow==6.0.0 ``` 使用`python train.py`进行模型的训练。 使用`python [c|g]pu_predict.py -m {MODEL_PATH}`进行模型的预测输出。 如有问题，请加`-h`参数查看帮助。