[train hyper-parameters: Namespace(batch_size=16, epochs=50)]
[epoch: 1]
train loss:0.3083 test accuracy:0.0198
[epoch: 2]
train loss:0.2946 test accuracy:0.0313
[epoch: 3]
train loss:0.2830 test accuracy:0.0494
[epoch: 4]
train loss:0.2731 test accuracy:0.0659
[epoch: 5]
train loss:0.2648 test accuracy:0.0956
[epoch: 6]
train loss:0.2556 test accuracy:0.1120
[epoch: 7]
train loss:0.2463 test accuracy:0.1079
[epoch: 8]
train loss:0.2366 test accuracy:0.1450
[epoch: 9]
train loss:0.2299 test accuracy:0.1582
[epoch: 10]
train loss:0.2200 test accuracy:0.1730
[epoch: 11]
train loss:0.2141 test accuracy:0.1928
[epoch: 12]
train loss:0.2057 test accuracy:0.2076
[epoch: 13]
train loss:0.1966 test accuracy:0.2339
[epoch: 14]
train loss:0.1889 test accuracy:0.2718
[epoch: 15]
train loss:0.1824 test accuracy:0.2586
[epoch: 16]
train loss:0.1732 test accuracy:0.3097
[epoch: 17]
train loss:0.1647 test accuracy:0.3171
[epoch: 18]
train loss:0.1591 test accuracy:0.3056
[epoch: 19]
train loss:0.1491 test accuracy:0.3386
[epoch: 20]
train loss:0.1424 test accuracy:0.3311
[epoch: 21]
train loss:0.1363 test accuracy:0.3575
[epoch: 22]
train loss:0.1279 test accuracy:0.3501
[epoch: 23]
train loss:0.1191 test accuracy:0.3509
[epoch: 24]
train loss:0.1126 test accuracy:0.3567
[epoch: 25]
train loss:0.1065 test accuracy:0.3764
[epoch: 26]
train loss:0.0989 test accuracy:0.3979
[epoch: 27]
train loss:0.0916 test accuracy:0.3888
[epoch: 28]
train loss:0.0840 test accuracy:0.3929
[epoch: 29]
train loss:0.0788 test accuracy:0.3855
[epoch: 30]
train loss:0.0726 test accuracy:0.3970
[epoch: 31]
train loss:0.0645 test accuracy:0.4053
[epoch: 32]
train loss:0.0596 test accuracy:0.4152
[epoch: 33]
train loss:0.0546 test accuracy:0.3937
[epoch: 34]
train loss:0.0513 test accuracy:0.4135
[epoch: 35]
train loss:0.0444 test accuracy:0.3781
[epoch: 36]
train loss:0.0404 test accuracy:0.4028
[epoch: 37]
train loss:0.0407 test accuracy:0.4119
[epoch: 38]
train loss:0.0333 test accuracy:0.4234
[epoch: 39]
train loss:0.0332 test accuracy:0.4226
[epoch: 40]
train loss:0.0302 test accuracy:0.4152
[epoch: 41]
train loss:0.0279 test accuracy:0.4473
[epoch: 42]
train loss:0.0282 test accuracy:0.4357
[epoch: 43]
train loss:0.0244 test accuracy:0.4077
[epoch: 44]
train loss:0.0252 test accuracy:0.4316
[epoch: 45]
train loss:0.0233 test accuracy:0.4432
[epoch: 46]
train loss:0.0195 test accuracy:0.4160
[epoch: 47]
train loss:0.0233 test accuracy:0.4152
[epoch: 48]
train loss:0.0190 test accuracy:0.4423
[epoch: 49]
train loss:0.0173 test accuracy:0.4407
[epoch: 50]
train loss:0.0167 test accuracy:0.4201
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
【基于efficientnet对151类大型动物图像识别数据集】 【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:77MB 本数据集分为以下151类:豹子、蟒蛇、长毛象、猫狗等等151个类别 下载解压后的图像目录:训练集(5056张图片)、和测试集(1214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,efficientnet的参数量为403,9573】 网络训练的时候采用cos 学习率自动衰减,训练了50个epoch。模型在测试集最好的表现达到45%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
经典轻量级CNN网络之EfficientNet 图像分类网络实战项目:151类大型动物图像识别数据集 (2000个子文件)
acinonyx-jubatus_16_fabcb506_result.jpg 29KB
lampropeltis-triangulum_40_0d5c2938.jpg 22KB
pavo-cristatus_58_9b67f8f6.jpg 21KB
heloderma-suspectum_97_1cd550c1.jpg 20KB
codium-fragile_23_59dd8a3c.jpg 20KB
eunectes-murinus_97_fb89577a.jpg 20KB
chelonia-mydas_48_a0c6655f.jpg 20KB
heloderma-suspectum_85_2d4c4d2d.jpg 20KB
pavo-cristatus_34_6870d199.jpg 20KB
eunectes-murinus_70_a66d32be.jpg 20KB
codium-fragile_75_d46863a9.jpg 19KB
centruroides-vittatus_21_d68bf8e9.jpg 19KB
ailurus-fulgens_32_7d4e07de.jpg 19KB
eidolon-helvum_3_f100efb6.jpg 19KB
heloderma-suspectum_44_8f869d55.jpg 19KB
alces-alces_38_0dada1cd.jpg 19KB
aethia-cristatella_5_abc6c27d_result.jpg 19KB
lampropeltis-triangulum_28_880a642e.jpg 19KB
equus-quagga_43_f5806387.jpg 19KB
lepus-americanus_94_0f8a1ba6.jpg 19KB
codium-fragile_88_3cebf427.jpg 18KB
codium-fragile_66_ca04c016.jpg 18KB
pantherophis-alleghaniensis_36_b7cee827.jpg 18KB
lampropeltis-triangulum_90_4c1696e0.jpg 18KB
ovis-aries_4_76f40054.jpg 18KB
pantherophis-alleghaniensis_26_c6bf9f00.jpg 18KB
pavo-cristatus_7_86f12e67.jpg 18KB
pantherophis-alleghaniensis_77_31a471b6.jpg 18KB
lepus-americanus_33_856409f0.jpg 18KB
codium-fragile_85_56bfbda7.jpg 18KB
hapalochlaena-maculosa_63_937ebcbe.jpg 18KB
lampropeltis-triangulum_8_deb233c1.jpg 18KB
centrochelys-sulcata_38_12963b80.jpg 18KB
malayopython-reticulatus_55_75ef7491.jpg 18KB
codium-fragile_44_1b60be0a.jpg 18KB
centrochelys-sulcata_98_f8394f9d.jpg 18KB
pavo-cristatus_54_62ed414e.jpg 18KB
ailuropoda-melanoleuca_8_464a554f.jpg 18KB
ovis-aries_21_133dde4b.jpg 18KB
telmatobufo-bullocki_17_0a5b0ce5.jpg 18KB
panthera-leo_85_93fea230.jpg 18KB
pantherophis-alleghaniensis_60_52e7ab5e.jpg 18KB
heloderma-suspectum_46_b8762654.jpg 18KB
pavo-cristatus_17_9cdc94ec.jpg 18KB
malayopython-reticulatus_84_7546c52e.jpg 18KB
malayopython-reticulatus_83_b6f56a11.jpg 18KB
pavo-cristatus_90_0e327b99.jpg 18KB
centrochelys-sulcata_69_9054ce5a.jpg 17KB
acinonyx-jubatus_94_1a947b54.jpg 17KB
chelonia-mydas_68_60d15998.jpg 17KB
pavo-cristatus_16_12b76ac1.jpg 17KB
acinonyx-jubatus_96_d0bb6474.jpg 17KB
sciurus-carolinensis_27_f22205a9.jpg 17KB
pavo-cristatus_69_87f69d04.jpg 17KB
pantherophis-alleghaniensis_61_0bb0fc54.jpg 17KB
equus-quagga_33_2a546cdb.jpg 17KB
sciurus-carolinensis_28_08e91d73.jpg 17KB
ailuropoda-melanoleuca_8_845f0202.jpg 17KB
pavo-cristatus_58_c535838d.jpg 17KB
telmatobufo-bullocki_94_65b87234.jpg 17KB
rusa-unicolor_56_966d5cb7.jpg 17KB
malayopython-reticulatus_82_bdffb06b.jpg 17KB
pavo-cristatus_95_2d6c2d80.jpg 17KB
pavo-cristatus_44_e093a057.jpg 17KB
heloderma-suspectum_100_a5fbe855.jpg 17KB
eidolon-helvum_36_d8b3c87d.jpg 17KB
lampropeltis-triangulum_37_04cac3de.jpg 17KB
pantherophis-alleghaniensis_86_ed0ab3bf.jpg 17KB
telmatobufo-bullocki_74_4fb0d462.jpg 17KB
heloderma-suspectum_69_a5db20ab.jpg 17KB
lepus-americanus_92_2713c3be.jpg 17KB
hapalochlaena-maculosa_56_f8e6cabb.jpg 17KB
pantherophis-alleghaniensis_98_9b2d087f.jpg 17KB
hapalochlaena-maculosa_73_166060d2.jpg 17KB
hapalochlaena-maculosa_75_4a87b448.jpg 17KB
pantherophis-alleghaniensis_29_61b40235.jpg 17KB
gallus-gallus-domesticus_48_05303deb.jpg 17KB
icterus-gularis_29_52f99beb.jpg 17KB
centruroides-vittatus_12_7625ede0.jpg 17KB
centruroides-vittatus_80_b9668028.jpg 17KB
heloderma-suspectum_61_ffa04f4f.jpg 17KB
pavo-cristatus_56_7b907e28.jpg 17KB
eunectes-murinus_19_774821a5.jpg 17KB
eunectes-murinus_59_7f9500b0.jpg 16KB
pavo-cristatus_19_91031dc3.jpg 16KB
acinonyx-jubatus_13_e2559ec4.jpg 16KB
heloderma-suspectum_14_07b48e87.jpg 16KB
rusa-unicolor_80_1d1c83da.jpg 16KB
giraffa-camelopardalis_42_e79471b6.jpg 16KB
heloderma-suspectum_33_bbc6f81a.jpg 16KB
centruroides-vittatus_87_e6cac359.jpg 16KB
crotalus-atrox_79_af201921.jpg 16KB
pantherophis-alleghaniensis_98_4be8a6f4.jpg 16KB
ophiophagus-hannah_44_3cc7e25e.jpg 16KB
heloderma-suspectum_61_93274343.jpg 16KB
heloderma-suspectum_11_951b3caa.jpg 16KB
pantherophis-alleghaniensis_79_9502f794.jpg 16KB
pavo-cristatus_44_a4d248ea.jpg 16KB
pavo-cristatus_54_c00cf927.jpg 16KB
centruroides-vittatus_44_e0266b0a.jpg 16KB
共 2000 条
- 1
- 2
- 3
- 4
- 5
- 6
- 20
资源评论
听风吹等浪起
- 粉丝: 2w+
- 资源: 2313
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
- python源码教程,超级详细,附开发教程手册,python前端开发,开发学习第四章,入门级
- 整机拆卸自动对位设备工程图机械结构设计图纸和其它技术资料和技术方案非常好100%好用.zip
- 人工智能领域中神经网络的基础概念与应用概述
- Android Studio Ladybug(android-studio-2024.2.1.12-windows-exe.zip.001)
- web前端+HTML+HTML入门+简单的圣诞节主题网页
- xssplayload
- Python实现的学生信息管理系统及其用户界面搭建与安全控制策略
- python源码教程,超级详细,附开发教程手册,python前端开发,入门开发第五章,超级详细
- 谷歌插件chropath-6.1.7-0
- 改良版V免签到-三网免挂支付系统
- 前端教程-JS localstorage的简单应用, 实现简答的数据保存
- python源码教程,超级详细,附开发教程手册,python前端开发,入门学习第六章,教程超详细
- SQL Server数据库恢复工具
- python源码第七章,python源码教程,超级详细,附开发教程手册,python前端开发,开发入门学习第七章
- 【深度学习实战:kaggle自然场景的图像分类-使用keras框架实现vgg16的迁移学习】
- Python期末复习题
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