# 深度学习分类框架

**Repository Path**: tantil/deep-learning-classification-framework

## Basic Information

- **Project Name**: 深度学习分类框架
- **Description**: 这是一个深度学习框架，用于分类的。
- **Primary Language**: Python
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 2
- **Created**: 2024-09-19
- **Last Updated**: 2025-10-29

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Deep Learning Classification Framework

## 📁 数据集文件夹格式

数据集应按照以下结构组织：

```
dataset/
└── your_dataset/
    ├── train/
    │   ├── class1/
    │   │   ├── image1.jpg
    │   │   └── image2.jpg
    │   ├── class2/
    │   │   ├── image3.jpg
    │   │   └── image4.jpg
    │   └── ...
    └── test/
        ├── class1/
        │   ├── image5.jpg
        │   └── image6.jpg
        ├── class2/
        │   ├── image7.jpg
        │   └── image8.jpg
        └── ...
```


每个子文件夹名即为类别标签名，文件夹内包含该类别的所有图像文件。

## ⚙️ 环境安装

### 安装 PyTorch

根据你的系统和CUDA版本，安装对应的PyTorch：

```bash
# CPU版本
pip install torch torchvision

# GPU版本 (根据官网选择合适的版本)
pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118
```


### 安装依赖

```bash
pip install -r requirements.txt
```


主要依赖包括：
- `torch`
- `torchvision`
- `Pillow`
- `requests`
- `openpyxl`
- `matplotlib`
- `seaborn`

## ▶️ 使用方法

运行 `main.py` 即可开始训练和测试：

```bash
python main.py
```


程序将自动执行以下步骤：
1. 下载并解压数据集（如果尚未存在）
2. 加载训练和测试数据
3. 依次训练所有在 [models](file://D:\Project\我的开源项目\deep-learning-classification-framework\main.py#L43-L51) 列表中定义的模型
4. 保存模型权重到 `模型参数/` 文件夹
5. 生成训练日志和测试结果到 `日志数据/` 文件夹

### 自定义模型训练

在 [main.py](file://D:\Project\我的开源项目\deep-learning-classification-framework\main.py) 中修改 [models](file://D:\Project\我的开源项目\deep-learning-classification-framework\main.py#L43-L51) 列表来添加或删除要训练的模型：

```python
models = [
    'ImageVGG16(num_classes=5, pretrained=True)',
    'ImageResNet50(num_classes=5, pretrained=True)',
    # 添加你的模型...
]
```