基于深度学习图像处理的玉米叶子健康情况分类模型（含python代码-数据-模型）

# image-classification-pytorch ## 准备 安装环境 ```shell pip install -r requirements.txt ``` ## 训练 训练代码为train.py ### 开始训练 根据需求修改代码中的“预设参数”部分(如下) ```python batch_size = 4 learning_rate = 1e-4 # 学习率 epoches = 100 # 训练轮次 train_path = './dataset/train/' # 训练集的路径 val_path = './dataset/val/' # 验证集的路径 use_gpu = True # 是否使用gpu ``` 运行train.py开始训练 ### 模型 训练的模型会保存在model文件夹下，目前的设置是每10个epoches会自动存一次，除此之外还会存一个表现最好的模型bestmodel.pth ### 训练数据 训练结束后会输出准确率acc和损失loss，并以图片形式存在当前目录下。 ## 检测 检测代码为detect.py 根据需求修改代码中的“预设参数”部分(如下) ```python # 类型代号和名称对应的字典(用于在图像显示，可自行修改) num_type = {0: "blight", 1: "common_rust", 2: "gray_leaf_spot", 3: "healthy"} use_gpu = True # 是否使用gpu val_path = './dataset/val/' # 指定检测用的数据集路径 ``` 运行detect.py可以查看检测结果