alexnet模型_图像分类算法对动物有无斑纹识别-不含数据集图片-含逐行注释和说明文档

代码下载地址：

https://download.csdn.net/download/qq_34904125/89357170

本代码是基于python pytorch环境安装的。

下载本代码后，有个环境安装的requirement.txt文本

如果有环境安装不会的，可自行网上搜索如何安装python和pytorch,这些环境安装都是有很多教程的，简单的

环境需要自行安装,推荐安装anaconda然后再里面推荐安装python3.7或3.8的版本，pytorch推荐安装1.7.1或1.8.1版本

首先是代码的整体介绍

总共是3个py文件，十分的简便

且代码里面的每一行都是含有中文注释的,小白也能看懂代码

然后是关于数据集的介绍。

本代码是不含数据集图片的，下载本代码后需要自行搜集图片放到对应的文件夹下即可

在数据集文件夹下是我们的各个类别,这个类别不是固定的，可自行创建文件夹增加分类数据集

需要我们往每个文件夹下搜集来图片放到对应文件夹下，每个对应的文件夹里面也有一张提示图，提示图片放的位置

然后我们需要将搜集来的图片，直接放到对应的文件夹下，就可以对代码进行训练了。

运行01生成txt.py,是将数据集文件夹下的图片路径和对应的标签生成txt格式,划分了训练集和验证集

运行02CNN训练数据集.py,会自动读取txt文本内的内容进行训练，这里是适配了数据集的分类文件夹个数，即使增加了分类文件夹，也不需要修改代码即可训练

训练过程中会有训练进度条，可以查看大概训练的时长,每个epoch训练完后会显示准确率和损失值

训练结束后，会保存log日志，记录每个epoch的准确率和损失值

最后训练的模型会保存在本地名称为model.ckpt

模型训练的效果和搜集的图片质量有关，最少每个文件夹都要有50张图片才有效果,一般图片搜集的越多，训练的效果越好

运行03pyqt界面.py，就可以实现自己训练好的模型去识别图片了