目录解释:
gb_fruit:为我们项目所使用的相关数据集,已经分为了train,val,test三个数据集了
picture:为项目运行过程中绘制的一些可视化图片,存储到这里了
src:为整个项目的运行代码
1.runs为tensorboard记录的相关loss和acc以及各层网络内的参数,0~3分别对应四个网络模型,grid就是网络结果的相关参数
可以通过在对应路径下打开命令窗口使用tensorboard --logdir=path,path为目录名,eg:我要看第一个网络的acc和loss则可以 tensorboard --logdir=0
2.model和model_trian都是存储最佳的网络参数,就是我们训练好的模型了,区别在于model的模型是没有用图像增广的,只做了归一化标准化和基础裁剪
model_train做了图像增广.这里存储好,测试时可以直接使用模型进行测试了
3.test_image为网络找的一些相关测视图,用来建议模型的泛用性.配合app.py使用
代码解释:
1.app.py: 模型拓展模块,使用PyQt模型构建应用,可以手动选择图片进行测试与识别
2.dataload.py :为数据导入模块,同时对于数据进行了可视化和预处理,图像增广等
3.trian.py:模型框架训练的相关代码
4.test.py:模型测试的相关代码
5.predict.py:配合app.py使用.用来预测单个图片的类别
6.split.py:分割训练集的为训练集和验证集了,这里已经区分好了,不需要了,为了能够分开对训练集和验证集,对训练集进行单独的图像增广
运行环境:
Anaconda:python 3.7
troch:1.10.0+cu113
torchaudio:0.10.0+cu113
torchvision:0.11.0+cu113
显卡GTX1650: 4g
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
1. 使用迁移学习+集成学习的思想来实现对于常见水果的好坏进行分类,使用Pytorch官方基于imageNet所训练好成熟框架体系,选择了机器学习界十分流行的四大网络架构densenet, googlenet,resnet,efficientnet使用迁移学习的办法,只修改其输出层的相关参数,进行冻结训练,随后进行解冻训练,同时四个网络训练框架训练完成之后,采用集成学习的思想,将四个框架模型进行了集成得到了最终的网络架构 2. 同时为了提升数据的泛化性,对实验数据进行了随机的裁剪,色调调节,归一化标准化,随机放射变化等一系列图像的预处理和图像增广 3. 使用了PyQt工具包进行了应用拓展,可以使用网上自由选择一张图片来进行水果的识别. 4.训练过程中使用了tesorboard对训练集和验证集的参数进行记录,保存已经训练好的模型参数,最后测试模型时绘制多分类的ROC曲线,与混淆矩阵 5.文件有相关的代码,预训练好的模型,相关的文档,还有ppt,数据集,和使用说明 如对代码有问题可以加QQ:1540445406 进行联系
资源推荐
资源详情
资源评论
收起资源包目录
基于Pytorch的迁移学习+集成学习的水果霉变区分的设计与实现 (2000个子文件)
0 27.15MB
0 27.15MB
events.out.tfevents.1653284014.Copid-computer.15244.0 2.74MB
events.out.tfevents.1653236732.Copid-computer.4644.0 2.46MB
events.out.tfevents.1653267552.Copid-computer.18892.0 2.46MB
events.out.tfevents.1653273985.Copid-computer.6796.0 1.03MB
events.out.tfevents.1653224746.Copid-computer.12980.0 6KB
events.out.tfevents.1653236474.Copid-computer.500.0 40B
1 21.58MB
1 21.58MB
events.out.tfevents.1653267669.Copid-computer.18892.1 898B
events.out.tfevents.1653274285.Copid-computer.6796.1 898B
events.out.tfevents.1653284222.Copid-computer.15244.1 898B
events.out.tfevents.1653277380.Copid-computer.6796.10 858B
events.out.tfevents.1653283274.Copid-computer.6796.11 406KB
2 162.82MB
2 162.82MB
events.out.tfevents.1653267669.Copid-computer.18892.2 898B
events.out.tfevents.1653274285.Copid-computer.6796.2 898B
events.out.tfevents.1653284222.Copid-computer.15244.2 898B
3 41.4MB
3 41.4MB
events.out.tfevents.1653267669.Copid-computer.18892.3 858B
events.out.tfevents.1653274285.Copid-computer.6796.3 858B
events.out.tfevents.1653284222.Copid-computer.15244.3 858B
events.out.tfevents.1653267669.Copid-computer.18892.4 858B
events.out.tfevents.1653274285.Copid-computer.6796.4 858B
events.out.tfevents.1653284222.Copid-computer.15244.4 858B
events.out.tfevents.1653289161.Copid-computer.15244.5 655KB
events.out.tfevents.1653270584.Copid-computer.18892.5 651KB
events.out.tfevents.1653277086.Copid-computer.6796.5 298KB
events.out.tfevents.1653277089.Copid-computer.6796.6 2.15MB
events.out.tfevents.1653270588.Copid-computer.18892.6 40B
events.out.tfevents.1653277380.Copid-computer.6796.7 898B
events.out.tfevents.1653277380.Copid-computer.6796.8 898B
events.out.tfevents.1653277380.Copid-computer.6796.9 858B
智能算法期末项目报告.docx 3.66MB
.gitignore 188B
my.ico 106KB
fruit-calssfiation.iml 334B
mandarinoranges.jpeg 247KB
fresh-oranges-1533103975-4155315.jpeg 13KB
stephen-honegger-mold.jpg 539KB
304323028.jpg 275KB
orange-fruit-isolated-white-37490258.jpg 210KB
p1-orange-16112018074320.jpg 207KB
the-rotten-guava-isolated-on-a-white-background-J8GP6W.jpg 163KB
Oranges.jpg 138KB
__opt__aboutcom__coeus__resources__content_migration__simply_recipes__uploads__2005__11__pomegranate-horiz-a-1800-aabd491ecf0c4c1981406b571220cb.jpg 122KB
rotten-guava-fruit-isolated-white-background-34285785.jpg 112KB
b2550085-800px-wm.jpg 84KB
pomegranate-18849203.jpg 79KB
brastagi-medan-orange-fruits-very-fresh-sweet-photo-stock-216693362.jpg 69KB
live-thai-kg-guava-amrood-plant-2-8-feet--500x500.jpg 60KB
rotten-moldy-orange-rotten-moldy-orange-white-background-isolated-126629774.jpg 56KB
orange_bad.jpg 56KB
roc.jpg 49KB
IMG_8168.jpg 47KB
IMG_8153.jpg 47KB
IMG_8154.jpg 47KB
IMG_8139.jpg 47KB
IMG_8167.jpg 47KB
IMG_8169.jpg 46KB
IMG_8122.jpg 46KB
IMG_8124.jpg 46KB
IMG_8171.jpg 46KB
IMG_8123.jpg 46KB
IMG_8234.jpg 46KB
IMG_8126.jpg 46KB
IMG_8248.jpg 45KB
IMG_8166.jpg 45KB
IMG_8156.jpg 45KB
IMG_8258.jpg 45KB
IMG_8135.jpg 45KB
IMG_8146.jpg 45KB
IMG_8125.jpg 45KB
IMG_8159.jpg 45KB
IMG_8240.jpg 45KB
IMG_8191.jpg 45KB
IMG_8170.jpg 45KB
IMG_8136.jpg 45KB
IMG_8241.jpg 45KB
IMG_8253.jpg 45KB
n_val.jpg 45KB
IMG_8192.jpg 45KB
IMG_8246.jpg 45KB
IMG_8239.jpg 45KB
n_train.jpg 45KB
IMG_8138.jpg 45KB
IMG_8257.jpg 45KB
n_test.jpg 45KB
IMG_8204.jpg 45KB
IMG_8158.jpg 45KB
IMG_8256.jpg 45KB
IMG_8163.jpg 45KB
IMG_8206.jpg 45KB
IMG_8205.jpg 44KB
IMG_8202.jpg 44KB
IMG_8179.jpg 44KB
IMG_8193.jpg 44KB
共 2000 条
- 1
- 2
- 3
- 4
- 5
- 6
- 20
Copdi
- 粉丝: 310
- 资源: 1
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
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
- 1
- 2
前往页