66 lines
1.5 KiB
Markdown
66 lines
1.5 KiB
Markdown
# 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
|