1. 项目文件

文件下载资源：resnet 图像分类的项目代码

本章利用reset34 作图像分类，包括计算训练集和测试集的loss、accuracy曲线，对训练好的网络在训练集+测试集上求混淆矩阵

• data 文件为训练集+测试集，图像按照文件夹摆放
• inference 负责放待推理的图片(支持多张图片预测分割)
• run_results 是网络训练过程的日志文件
• python 代码介绍。train 为训练函数，predict 为预测脚本，utils 为工具函数
• class_indices.json 文件是代码生成的，不需要自行设置

2. 代码的使用

README 文件有介绍

按照指定位置摆放，文件夹的名称不可更改，否则需要重新编写dataset文件 ！！！

将test和train目录下的文件夹更改，文件夹名称为分类标签

使用的时候只需要将test 和train 下面的目录换成自己的数据，相同的类别放在同一个文件夹下

超参数根据实际需要更改，以下为train.py 的超参数

必须更改的为num--classes，根据分类的个数更改！！也就是-data-train-下的文件夹个数

预测的时候，需要将下面参数更改！！

mean和std 会在train.py 运行的时候生成，copy即可

3. 展示结果

本章测试的数据集为5个花分类的任务

训练结果：

loss_accuracy_curve 为：

对训练集和测试集的混淆矩阵：

推理的时候，只需要将单个或者多个图像放在inference目录下即可