[train hyper-parameters: Namespace(batch_size=16, lr=0.001, lrf=0.01)]
[epoch: 1]
train loss:0.1832 test accuracy:0.5490
[epoch: 2]
train loss:0.0935 test accuracy:0.8039
[epoch: 3]
train loss:0.0453 test accuracy:0.8235
[epoch: 4]
train loss:0.0316 test accuracy:0.8954
[epoch: 5]
train loss:0.0213 test accuracy:0.8824
[epoch: 6]
train loss:0.0169 test accuracy:0.8889
[epoch: 7]
train loss:0.0138 test accuracy:0.8954
[epoch: 8]
train loss:0.0131 test accuracy:0.8889
[epoch: 9]
train loss:0.0117 test accuracy:0.9085
[epoch: 10]
train loss:0.0111 test accuracy:0.8824
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
【基于Resnet101网络对25种宝石图像分类数据集的迁移学习项目】 【包含代码、数据集和训练好的权重文件,可直接运行】 项目总大小:349MB 本数据集分为以下25类:Alexandrite、Danburite等等共25类别(每个类别均有25-35张图片左右) 下载解压后的图像目录:训练集(658张图片)、和测试集(153张图片) data-train 训练集-每个子文件夹放同类别的图像,文件夹名为分类类别 data-test 测试集-每个子文件夹放同类别的图像,文件夹名为分类类别 【项目介绍,resnet101的参数量为4255,1385】 网络训练的时候采用cos 学习率自动衰减,训练了10个epoch。模型在测试集最好的表现达到91%精度,加大epoch可以增加精度。在run_results 目录下存有最好的权重文件,以及训练日志和loss、精度曲线等等 预测的时候,只需要运行predict即可,代码会自动将inference下所有图片推理,并取前三个概率最大类别的绘制在左上角 【训练自己的数据参考readme文件,不需要更改,代码会自动生成,例如分类类别个数等等】
资源推荐
资源详情
资源评论
收起资源包目录
经典CNN网络之Resnet 图像分类网络实战项目:25种宝石图像分类数据集(迁移学习) (827个子文件)
variscite_32.jpg 212KB
fluorite_2.jpg 203KB
pearl_36.jpg 186KB
kunzite_1.jpg 184KB
almandine_21.jpg 183KB
almandine_30.jpg 145KB
labradorite_15.jpg 134KB
sapphire blue_10.jpg 115KB
malachite_10.jpg 94KB
fluorite_29.jpg 93KB
labradorite_0.jpg 87KB
benitoite_20.jpg 84KB
emerald_7.jpg 83KB
sapphire blue_31.jpg 75KB
rhodochrosite_9.jpg 73KB
diamond_0.jpg 72KB
emerald_40.jpg 72KB
danburite_21.jpg 72KB
zircon_6.jpg 71KB
jade_4.jpg 71KB
sapphire blue_36.jpg 69KB
fluorite_4.jpg 68KB
fluorite_1.jpg 68KB
diamond_1.jpg 67KB
danburite_30.jpg 67KB
beryl golden_14.jpg 67KB
tanzanite_15.jpg 67KB
diamond_6.jpg 66KB
beryl golden_35.jpg 66KB
diamond_4.jpg 65KB
kunzite_32.jpg 63KB
zircon_15.jpg 62KB
fluorite_22.jpg 61KB
beryl golden_25.jpg 58KB
emerald_25.jpg 58KB
labradorite_1.jpg 57KB
emerald_26.jpg 57KB
variscite_9.jpg 57KB
alexandrite_32.jpg 56KB
rhodochrosite_11.jpg 54KB
danburite_22.jpg 53KB
diamond_5.jpg 53KB
emerald_39.jpg 53KB
benitoite_8.jpg 52KB
variscite_22.jpg 51KB
danburite_35.jpg 51KB
kunzite_4.jpg 50KB
variscite_11.jpg 50KB
kunzite_0.jpg 50KB
diamond_2.jpg 49KB
sapphire blue_0.jpg 49KB
zircon_21.jpg 49KB
tanzanite_2.jpg 48KB
zircon_17.jpg 47KB
danburite_15.jpg 47KB
diamond_7.jpg 46KB
zircon_22.jpg 45KB
onyx black_10.jpg 45KB
sapphire blue_32.jpg 44KB
zircon_20.jpg 44KB
labradorite_8.jpg 43KB
beryl golden_36.jpg 43KB
variscite_16.jpg 43KB
malachite_1.jpg 42KB
zircon_1.jpg 42KB
alexandrite_4_result.jpg 42KB
zircon_19.jpg 42KB
zircon_26.jpg 42KB
beryl golden_1.jpg 41KB
benitoite_26.jpg 41KB
benitoite_16.jpg 41KB
hessonite_32.jpg 40KB
emerald_24.jpg 40KB
beryl golden_0.jpg 40KB
rhodochrosite_27.jpg 40KB
emerald_9.jpg 39KB
sapphire blue_8.jpg 39KB
emerald_23.jpg 39KB
beryl golden_5.jpg 38KB
emerald_20.jpg 38KB
rhodochrosite_7.jpg 38KB
sapphire blue_35.jpg 38KB
rhodochrosite_29.jpg 37KB
zircon_13.jpg 37KB
fluorite_27.jpg 36KB
alexandrite_35.jpg 36KB
carnelian_27.jpg 36KB
hessonite_20.jpg 36KB
danburite_24.jpg 36KB
alexandrite_19.jpg 35KB
carnelian_13.jpg 35KB
cats eye_0.jpg 35KB
emerald_12.jpg 35KB
beryl golden_7.jpg 35KB
alexandrite_5_result.jpg 35KB
malachite_21.jpg 35KB
carnelian_11.jpg 35KB
cats eye_13.jpg 35KB
iolite_9.jpg 34KB
emerald_11.jpg 34KB
共 827 条
- 1
- 2
- 3
- 4
- 5
- 6
- 9
资源评论
- m0_616559252024-03-26博主您好,我用来训练自己的数据集(10个类,共1500个数据),epoch设为1000,精准度只有0.28,请问是什么情况呢
Ai医学图像分割
- 粉丝: 2w+
- 资源: 2128
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
最新资源
- 修改LATEX.pdf
- IMG_20241125_120800.jpg
- AI助手Copilot辅助Go+Flutter打造全栈式在线教育系统课程17章
- 2024下半年,CISSP官方10道练习题
- JD-Core是一个用JAVA编写的JAVA反编译器 .zip
- 时间复杂度与数据结构:算法效率的双重奏
- QT 简易项目 网络调试器(未实现连接唯一性) QT5.12.3环境 C++实现
- YOLOv3网络架构深度解析:关键特性与代码实现
- ACOUSTICECHO CANCELLATION WITH THE DUAL-SIGNAL TRANSFORMATION LSTM NETWORK
- 深入解析:动态数据结构与静态数据结构的差异
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
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