# MobileNetV2 图像分类项目

本项目使用PyTorch框架实现基于MobileNetV2的图像分类模型。

## 环境要求
- Python 3.7+
- PyTorch 1.10+
- torchvision
- tqdm

安装依赖：
```bash
pip install torch torchvision tqdm
```

## 数据准备
1. 创建以下目录结构：
```
train_data/
    1/
        train/
        test/
model/
    1/
test_image/
```

2. 将训练图像放入`train_data/1/train`目录，每个类别一个子目录
3. 将测试图像放入`train_data/1/test`目录，保持相同的类别结构

## 训练模型
运行训练脚本：
```bash
python train_mobilenetv2.py
```

训练参数：
- 训练轮数：20
- 批量大小：64
- 学习率：0.0001
- 优化器：Adam
- 学习率调度器：ReduceLROnPlateau

## 模型保存
训练好的模型将保存在`model/1/`目录下，文件名包含训练轮数和准确率。

## 目录结构
```
.
├── train_mobilenetv2.py       # 主训练脚本
├── pretreatment.ipynb         # 数据预处理notebook
├── test.ipynb                 # 测试notebook
├── train_data/                # 训练数据（git忽略）
│   └── 1/
│       ├── train/             # 训练图像
│       └── test/              # 测试图像
├── model/                     # 保存的模型（git忽略）
│   └── 1/
└── test_image/                # 测试图像（git忽略）
```

## 注意事项
- 项目使用预训练的MobileNetV2模型
- 数据增强包括随机裁剪和水平翻转
- 如果有GPU会自动使用GPU进行训练