# ImgClassification

**Repository Path**: ray7jq/ImgClassification

## Basic Information

- **Project Name**: ImgClassification
- **Description**: 使用ResNet的图片分类
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2023-05-28
- **Last Updated**: 2023-06-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

## 文件夹解释
```
- pth 
    存放onnx和pth权重文件
- data
    训练数据集文件夹
- test
    测试数据集文件夹
    
train.py 训练
model.py 模型
dataset.py 数据集加载处理
2onnx.py pth转onxx模型
testonnx.py 测试模型
tools.py 工具文件（包含一些数据集处理的函数）
qt.py 可视化快速分类图片
```

## 数据集格式
```
        文件夹路径例子：-dataset
                        --class1
                            ---img1
                            ---img2
                        --class2
                            ---img1
                            ---img2
```
图片分类模型的数据为图片，每类图片放在一个文件夹，文件名为类名

## 训练参数解释
train.py

- batch_size:每批训练的大小，将显卡跑满即可
- learning_rate:控制模型参数在每次迭代中更新的步长或速率
- num_epochs:训练代数
- transforms.Resize 训练图片尺寸
- transforms.Normalize 图片保准化 
- train_path：训练集地址 
- test_path：测试集地址
- shuffle=True：将图片打乱，不以加载的顺序训练
- classes:文件夹名，也是类别名，顺序与预测结果相同
- ResNetmode:选择resnet模型的大小可供选择50，101，152.数字越大模型越大，参数越多
- num_classes ： 训练的类别数，与数据集保持一致
- pre ： 是否加载预训练权重，在首次训练时打开，增量训练时关闭
- class_weights:类别在计算损失时候的权重，权重越大，类别占比越重
- pretrain : 预训练权重，用于增量训练等

## 模型转换
2onnx.py

- input_shape: 模型输入shape
- ResNet50的参数应该与训练集保持一致
- pretrain：训练好的权重
- onnx_path：输出名字

## 模型测试
testonnx.py