Pytorch-Image-Classifier-Collection

介绍

==============================

支持多模型工程化的图像分类器

==============================

软件架构

Pytorch+opencv

模型支持架构

模型

-	-	-	-
resnet18	resnet34	resnet50	resnet101
resnet152	resnext101_32x8d	resnext50_32x4d	wide_resnet50_2
wide_resnet101_2	densenet121	densenet161	densenet169
densenet201	vgg11	vgg13	vgg13_bn
vgg19	vgg19_bn	vgg16	vgg16_bn
inception_v3	mobilenet_v2	mobilenet_v3_small	mobilenet_v3_large
shufflenet_v2_x0_5	shufflenet_v2_x1_0	shufflenet_v2_x1_5	shufflenet_v2_x2_0
alexnet	googlenet	mnasnet0_5	mnasnet1_0
mnasnet1_3	mnasnet0_75	squeezenet1_0	squeezenet1_1
efficientnet-b0(0-7)

损失函数

-	-	-	-
mse	l1	smooth_l1	cross_entropy

优化器

-	-	-	-
SGD	ASGD	Adam	AdamW
Adamax	Adagrad	Adadelta	SparseAdam
LBFGS	Rprop	RMSprop

安装教程

pytorch>=1.5即可，其余库自行安装即可。

使用说明

配置文件config/config.yaml

data_dir: "./data/"  #数据集存放地址
train_rate: 0.8   #数据集划分，训练集比例
image_size: 128   #输入网络图像大小
net_type: "shufflenet_v2_x1_0"
pretrained: True  #是否添加预训练权重
batch_size: 4   #批次
init_lr: 0.01   #初始学习率
optimizer: 'Adam' #优化器
class_names: [ 'cat','dog' ]  #你的类别名称，必须和data文件夹下的类别文件名一样
epochs: 10  #训练总轮次
loss_type: "mse"  # mse / l1 / smooth_l1 / cross_entropy   #损失函数
model_dir: "./shufflenet_v2_x1_0/weight/"   #权重存放地址
log_dir: "./shufflenet_v2_x1_0/logs/"    # tensorboard可视化文件存放地址

模型训练

# 第一次训练
python train.py

# 接着自己未训练完成的模型继续训练
python train.py --weights_path 模型保存路径

模型推理

# 检测图片
python infer.py image --image_path 图片地址

# 检测视频
python infer.py video --video_path 图片地址

# 检测摄像头
python infer.pu camera --camera_id 摄像头id

部署

onnx打包部署

# onnx打包
python pack_tools/pytorch_to_onnx.py --config_path 配置文件地址 --weights_path 模型权重存放地址

# onnx推理部署
# 检测图片
python pack_tools/pytorch_onnx_infer.py image --config_path 配置文件地址 --onnx_path 打包完成的onnx包地址 --image_path 图片地址

# 检测视频
python pack_tools/pytorch_onnx_infer.py video --config_path 配置文件地址 --onnx_path 打包完成的onnx包地址 --video_path 图片地址

# 检测摄像头
python pack_tools/pytorch_onnx_infer.py camera --config_path 配置文件地址 --onnx_path 打包完成的onnx包地址 --camera_id 摄像头id，默认为0

模型剪枝、量化压缩加速

模型剪枝微调

# 模型剪枝微调
python prune_model/pruning_model.py --weight_path 已训练好的模型权重地址 --prune_type 修剪模型的方式，支持：l1filter,l2filter,fpgm --sparsity 模型稀疏化比例 --finetune_epoches 微调模型的轮次数 --dummy_input 输入模型的形状，例如：(10,3,128,128)

# onnx推理部署
# 检测图片
python infer_prune_model.py image --prune_weights_path 剪枝后的模型权重路径  --image_path 图片地址

# 检测视频
python infer_prune_model.py video --prune_weights_path 剪枝后的模型权重路径  --video_path 图片地址

# 检测摄像头
python infer_prune_model.py camera --prune_weights_path 剪枝后的模型权重路径  --camera_id 摄像头id，默认为0

参与贡献

作者：qiaofengsheng

B站地址：深度学习麋了鹿的个人空间_哔哩哔哩_Bilibili

github地址：https://github.com/qiaofengsheng/Pytorch-Image-Classifier-Collection.git

gitee地址：Pytorch-Image-Classifier-Collection: 支持多模型工程化的图像分类器

Pytorch通用图像分类模型（支持20+分类模型），直接带入数据就可训练自己的数据集，包括模型训练、推理、部署。相关推荐

搭建并训练多标签数据集的模型并将结果可视化
#搭建并训练多标签数据集的模型并将结果可视化(tensorflow2) 1.数据集的介绍该数据为拥有颜色与衣服类别两个标签的衣服识别,对于这样的数据集要求我们的神经网络需要两个输出,一个是类别,另一 ...
Html显示3D Obj模型(支持mtl纹理)的源码方案（2:一张图创建人脸模型）
不要瞧不起html脚本语言,自从浏览器取消了flash,你是不是觉得html做不了炫酷的内容,错了!现在html支持OpenGL,支持直接渲染3D游戏.今天我们就来讲如何在html渲染3D 的Obj模 ...
Windows下使用Darknet训练自己的数据集（模型：yolov4-tiny、数据集：垃圾分类）
本文章主要介绍如何使用Darknet在windows下训练自己的数据集,其中模型使用的是yolov4-tiny,数据集使用的是自己垃圾分类数据集(需要的自取:在我上传的资源中有) PS:这是我的第一篇 ...
【深度学习】mask_rcnn训练自己的数据集以及模型使用（实践结合GitHub项目）
根据requirements - 开源项目默认的.txt进行库安装环境:WIN10 + Anoconda + Pycharm + python3.6.2 mask_rcnn基本流程1.训练 1)la ...
搭建基于飞桨的OCR工具库，总模型仅8.6M的超轻量级中文OCR，单模型支持中英文数字组合识别、竖排文本识别、长文本识别的PaddleOCR
介绍基于飞桨的OCR工具库,包含总模型仅8.6M的超轻量级中文OCR,单模型支持中英文数字组合识别.竖排文本识别.长文本识别.同时支持多种文本检测.文本识别的训练算法. 相关链接 PaddleOCR ...
从零开始编写一个宠物识别系统（爬虫、模型训练和调优、模型部署、Web服务）
心血来潮,想从零开始编写一个相对完整的深度学习小项目.想到就做,那么首先要考虑的问题是,写什么? 思量再三,我决定写一个宠物识别系统,即给定一张图片,判断图片上的宠物是什么.宠物种类暂定为四类--猫. ...
调用“抱抱脸团队打造的Transformers pipeline API” 通过预训练模型，快速训练和微调自己的模型
本文章根据官方文件总结而成,根据第三方库Transformers and pytorch快速搭建自己的神经网络架构,可以直接下载预训练模型,涉及的数据集包括音频.文字.图像等,实用性非常强! 官方链接 ...
基于LightGBM分类实现英雄联盟数据预测(二）
基于LightGBM分类实现英雄联盟数据预测(二) 这里写目录标题基于LightGBM分类实现英雄联盟数据预测(二) Step5:利用 LightGBM 进行训练与预测 plt.figure(fig ...
Pytorch基础训练库Pytorch-Base-Trainer(支持模型剪枝分布式训练)
Pytorch基础训练库Pytorch-Base-Trainer(支持模型剪枝分布式训练) 目录 Pytorch基础训练库Pytorch-Base-Trainer(PBT)(支持分布式训练) 1.I ...

Pytorch通用图像分类模型（支持20+分类模型），直接带入数据就可训练自己的数据集，包括模型训练、推理、部署。