首页 > 分享 > Pytorch实现102类鲜花分类(102 Category Flower Dataset)

Pytorch实现102类鲜花分类(102 Category Flower Dataset)

花匠小妙招
2024-09-17 19:17

Pytorch实现102类鲜花分类(VGG19和ResNet152模型)

本文主要讲解该算法的实现过程，原理部分需读者自行研究，可以找一些论文之类的。

实验环境

python3.6+pytorch1.2+cuda10.1

数据集

102 Category Flower Dataset数据集由102类产自英国的花卉组成，每类由40-258张图片组成

至于数据集我放个链接给大家，并且是划分好的数据集：https://download.csdn.net/download/ntntg/15535184?spm=1001.2014.3001.5503

接下来是代码的实现过程

导入需要的库

import pandas as pd import torch import torch.nn as nn import torch.utils.data as D import torchvision from torchvision import transforms import time import os import matplotlib.pyplot as plt 123456789 数据加载

# 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

12345678910111213141516171819202122232425262728