102类花卉分类数据集（已划分，有训练集、测试集、验证集标签）
102类花卉分类数据集（已划分，有训练集、测试集、验证集标签）+完整运行代码
数据集已经经过处理划分好了，并且附带了训练集，测试集，验证集的txt文本标签。配合完整运行代码即可训练。
数据集链接在文章中间部分
代码如下：
VGG19
import pandas as pd import torch import torch.nn as nn import torch.nn.functional as F import torch.utils.data as D import torchvision from torchvision import transforms import time import os import matplotlib.pyplot as plt # 读取文件 train_path = pd.read_csv('E:/花卉分类考核项目/train.txt', sep=' ', names=['name', 'classes']) test_path = pd.read_csv('E:/花卉分类考核项目/test.txt', sep=' ', names=['name', 'classes']) valid_path = pd.read_csv('E:/花卉分类考核项目/valid.txt', sep=' ', names=['name', 'classes']) # 数据增强 data_transforms = { 'train': transforms.Compose([ transforms.RandomRotation(45), # 随机旋转，-45到45度之间随机 transforms.CenterCrop(224), # 从中心开始裁剪 transforms.RandomHorizontalFlip(p=0.5), # 随机水平翻转 选择一个概率 transforms.RandomVerticalFlip(p=0.5), # 随机垂直翻转 transforms.ColorJitter(brightness=0.2, contrast=0.1, saturation=0.1, hue=0.1), # 参数1为亮度，参数2为对比度，参数3为饱和度，参数4为色相 transforms.ToTensor(), transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225]) # 均值，标准差 ]), 'valid': transforms.Compose([ transforms.Resize(256), transforms.CenterCrop(224), transforms.ToTensor(), transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225]) ]), 'test': transforms.Compose([ transforms.Resize(256), transforms.CenterCrop(224), transforms.ToTensor(), transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225]) ]) } # 获取三个数据集 data_dir = 'E:/花卉分类考核项目/data' image_datasets = { x: torchvision.datasets.ImageFolder(os.path.join(data_dir, x), data_transforms[x]) for x in ['train', 'valid', 'test']} traindataset = image_datasets['train'] validdataset = image_datasets['valid'] testdataset = image_datasets['test'] batch_size = 1 dataloaders = { x: torch.utils.data.DataLoader(image_datasets[x], batch_size=batch_size, shuffle=True) for x in ['train', 'valid', 'test']} print(dataloaders) traindataloader = dataloaders['train'] validdataloader = dataloaders['valid'] testdataloader = dataloaders['test'] dataset_sizes = { x: len(image_datasets[x]) for x in ['train', 'valid', 'test']} # 是否用GPU训练 train_on_gpu = torch.cuda.is_available() if not train_on_gpu: print('CUDA is not available. Training on CPU ...') else: print('CUDA is available! Training on GPU ...') device = torch.device("cuda:0" if torch.cuda.is_available(
12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758596061626364656667686970717273相关知识
102类花卉分类数据集（已划分，有训练集、测试集、验证集标签）
flower花朵识别数据集
python利用c4.5决策树对鸢尾花卉数据集进行分类（iris）
卷积神经网络训练花卉识别分类器
人工智能考试——k近邻算法对鸢尾花（iris）数据集进行分析
深度学习实战（1）：花的分类任务｜附数据集与源码
苹果叶片病理分类数据集，数据集包括（a）健康叶片； (b) 苹果链格孢叶斑病； (c) 褐斑病； (d) 蛙叶斑病； (e) 灰斑； (f) 苹果花叶病； (g) 白粉病； (h) 叶片锈病； (i)
Pytorch实现鲜花分类(102 Category Flower Dataset)
TensorFlow 2建立神经网络分类模型——以iris数据为例
基于深度学习和迁移学习的识花实践
网址: 102类花卉分类数据集（已划分，有训练集、测试集、验证集标签） https://m.huajiangbk.com/newsview114224.html
| 上一篇: 云南花卉有多少种类 |
下一篇: 花有什么品种 花的种类有哪些？ |
