图像识别完整项目之Swin-Transformer，从获取关键词数据集到训练的完整过程（支持中文输出）

## Swim Transformer 图像分类项目从自定义数据集开始 # 具体可以参考CSDN的博客文章：https://blog.csdn.net/qq_44886601?type=blog ''' # 项目不需要任何更改！！操作简单,包含从制作数据集到训练、预测的完整过程 # 代码会导入 swin_base_patch4_window7_224_in22k 模型，并载入官方的预训练模型 # 训练：代码直接运行 train.py 会自动训练，可以完全不用更改，分类的类别个数会自动生成 # 预测：直接运行 predict.py 文件即可，代码会自动预测 inference 文件夹下所以图像 ''' # 0. 需要配置环境！！ pip install -r requirements.txt # 运行顺序： 1. 运行爬虫脚本，下载关键词图像 Swin_Transformer\my_dataset_from_net\main.py config 改为Baidu API，Max number改成想要下载的图像个数，线程数建议小一点，要不然会漏下 输出目录不用改，会自动生成，根据关键词下载，也可以载入txt文件，按照下面摆放！ ''' 钢铁侠 美国队长 雷神 '''' 2. 定义数据集(将爬取的图像去除损坏的图像，划分训练集和测试集后，按照代码定义的样子摆放好) # 运行 process_data.py Tips : 有些无法预览的图像，删不删除都可以，为了可视化，最好删除 3. 开始训练,在 `train.py` 脚本中更改下面超参数(可以直接傻瓜运行，什么都不需要更改) # num_classes 会自动生成，不需要定义！！ # 冻结权重，因为数据集的不同，设定为True 网络的效果会更好。设置为 False ，可以加快训练，并且精度也不会损失的太多 parser.add_argument('--epochs', type=int, default=50) parser.add_argument('--batch-size', type=int, default=32) parser.add_argument('--lr', type=float, default=0.001) parser.add_argument('--lrf', type=float, default=0.01) parser.add_argument('--freeze-layers', type=bool, default=False) # 是否冻结权重 4. 预测,运行predict.py即可，不需要更改任何参数，num-classes或者mean、std代码都会自动生成(可以直接傻瓜运行，什么都不需要更改) # TODO 一些问题 预测脚本会重新导入训练集，计算train mean 和train std，这样难免会浪费时间 如果项目在实际环境中运行，可以训练好网络，在predict.py 脚本中，将num_classes,mean,std自己根据任务设定好，这样可以减少不必要的计算 model = create_model(num_classes=num_classes) # 根据分类个数更改 mean, std = get_mean_std() # 根据训练日志的 txt 文件更改