# classification

**Repository Path**: lonerlin/classification

## Basic Information

- **Project Name**: classification
- **Description**: 尝试给pytorch的分类程序加一个gui
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 1
- **Created**: 2021-03-22
- **Last Updated**: 2022-06-24

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 基于图形界面的深度神经网络迁移训练

## Requirements
pytorch  
torchvision  
onnx  
pyqt  

## 启动  
    运行 classification_gui.py 启动图形界面。
## 模型训练  
1.训练和验证数据文件夹格式  
data/  
      train/   
          class1   
          class2   
          class3   
          ......  
      val/    
          class1   
          class2   
          class3   
          ......  
2.通过以下图形界面配置参数  

![1](https://gitee.com/lonerlin/classification/raw/master/images/1.jpg)  

设置后参数后，保存设置并开始训练

3.训练结果查看  
    
    每个训练轮次的结果包括（训练损失函数值，验证损失函数值，训练准确率，测试准确率）保存在文件夹路径下record.txt文件中，  
    这里要注意一个问题，由于训练时使用了数据增强，验证时没有，所以训练的准确率没有验证准确率高。
    损失函数和准确率的折线图record.jpg保存在文件夹路径下。
   ![5](https://gitee.com/lonerlin/classification/raw/master/images/5.jpg)  

## 模型测试  
1.使用预训练模型进行测试  

    将利用Pytorch提供的模型对图片进行分类预测  
   ![4](https://gitee.com/lonerlin/classification/raw/master/images/4.jpg)
2.使用自己训练的模型进行测试  

    指定模型的路径，分类名称后进行测试
   ![2](https://gitee.com/lonerlin/classification/raw/master/images/2.jpg)  
## 转换模型为onnx格式

   ![2](https://gitee.com/lonerlin/classification/raw/master/images/3.jpg)