# Vegetable birds的解题思路
- 由于数据集中图像过大,我们首先使用了python的PIL库将每张图片的大小按比例压缩到96x96的大小,对于空白处使用像素值为0填补上。
- 我们选择Pytorch框架来作为框架基础。
- 我们使用ResNet152作为CNN训练模型。
- 我们使用GTX 1080显卡,训练100个epoch,并选取其中loss最小,泛化精度最好的模型。
## 项目结构
```
.
├── cpu_predict.py # CPU预测脚本
├── easy # 下载的数据集
│ ├── data
│ ├── data.csv
│ └── test
├── gen_dataset.py # 预处理数据集脚本
├── gpu_predict.py # GPU预测脚本
├── load_dataset.py # 读取数据集脚本
├── model # 预训练好的模型
│ ├── model-87-8.477896466274615e-05.pth
├── net # CNN网络模型
│ ├── load_net.py
│ ├── resnet152.py
│ ├── resnet.py
│ └── simplenet.py
├── requirements.txt
├── result.csv # 结果文件
├── train_full.py # 训练脚本(full)
├── train.py # 训练脚本
└── train_set.pk # 预处理数据集输出
```
## 如何运行
首先确保安装如下Python库:
```
torchvision==0.2.1
numpy==1.15.4
torch==1.0.0
Pillow==6.0.0
```
使用`python train.py`进行模型的训练。
使用`python [c|g]pu_predict.py -m {MODEL_PATH}`进行模型的预测输出。
如有问题,请加`-h`参数查看帮助。
蔚蓝AI比赛-商品识别.zip
88 浏览量
2023-08-24
16:52:27
上传
评论
收藏 463KB ZIP 举报
白话机器学习
- 粉丝: 8259
- 资源: 7686
最新资源
- 论文(最终)_20240430235101.pdf
- 基于python编写的Keras深度学习框架开发,利用卷积神经网络CNN,快速识别图片并进行分类
- 最全空间计量实证方法(空间杜宾模型和检验以及结果解释文档).txt
- 5uonly.apk
- 蓝桥杯Python组的历年真题
- 2023-04-06-项目笔记 - 第一百十九阶段 - 4.4.2.117全局变量的作用域-117 -2024.04.30
- 2023-04-06-项目笔记 - 第一百十九阶段 - 4.4.2.117全局变量的作用域-117 -2024.04.30
- 前端开发技术实验报告:内含4四实验&实验报告
- Highlight Plus v20.0.1
- 林周瑜-论文.docx
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