基于VGG网络对11种常见食物图像分类的迁移学习项目

【包含项目的完整代码、数据集和训练好的权重文件等等，代码经过多次测试可以直接使用】 项目总大小：971 MB 数据集为11种食物图像，粥、甜点、牛排等等11类别，数据划分好了训练集和测试集 【代码介绍，使用vgg16，参数量为大约为6kw左右】 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90.2%精度，网络并未收敛，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，不需要更改参数，只需要摆放好数据集即可。超参数代码会自动生成，例如分类类别个数等等】