基于resnet101网络对34植物叶片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，经过测试，可以直接运行
【网络】resnet101
【数据集】34分类的植物叶片数据集(苹果、葡萄、猕猴桃）
【训练train.py】
1、训练过程中，会对数据集进行随机裁剪、翻转等数据增广等等。
2、网络初始化会自动载入官方在imagenet上的预训练权重进行迁移学习。
3、训练脚本会自动生成数据集类别的 json 文件，并且通过json文件自动设定网络的输出维度，不需要自己定义输出的channel。train.py 训练完成会生成训练集的loss曲线、学习率衰减曲线、测试集的accuracy曲线以及训练日志，保存在run_results文件内。
【预测predict.py】只需要将待预测的图像放在inference文件夹下，代码会自动将该文件下所有的图像进行预测，并在原图像左上角写入最大的前三个类别和概率，无需更改任何代码
【本项目仅仅训练了10个epoch，验证集上准确率为0.998，增大epoch可以提升精度】
