# Convolution

**Repository Path**: yuranWang/convolution

## Basic Information

- **Project Name**: Convolution
- **Description**: 计算机视觉课程实验部分代码
- **Primary Language**: Python
- **License**: MIT
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-06-18
- **Last Updated**: 2025-06-18

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

## 简介

该项目提供了简单版本和复杂版本的卷积神经网络（CNN）实现，以及训练、推理和可视化脚本。简单版本包括了一个基本的CNN模型和相关的训练、推理脚本，而复杂版本提供了通用的模型训练方式和多种经典神经网络模型的实现。

## 环境要求

- Python 3.7及以上
- torch
- tqdm
- matplotlib
- torchsummary

建议使用conda管理环境，可使用以下命令安装依赖：
conda create -n pytorch python=3.9
pip install torchsummary tqdm matplotlib

## 文件结构

data/ 存放训练数据集
simple_cnn.py 简单版本的CNN模型实现
train_cnn.py 训练脚本
predict.py 推理可视化脚本
results/ 存放生成的权重和绘图
classic_models/ 复杂版本中包含了各种经典模型的实现
dataload/ 数据集加载的方式
results/ 存放训练生成的权重
utils/ 包含了一些辅助功能的模块

## 使用方法

### 训练

运行 `train_cnn.py` 可以开始训练简单版本的CNN模型。你也可以根据需要修改脚本中的参数来定制训练过程。

### 推理和可视化

使用 `predict.py` 可以进行推理并可视化结果。该脚本会加载训练好的模型权重，并对指定的图片进行推理，然后将结果可视化出来。

### 复杂版本

如果需要使用复杂版本的模型或训练方式，请查看 `classic_models/` 中的模型实现和相应的训练脚本。详细的使用说明可以在各自文件的注释中找到。

## 注意事项

确保数据集正确放置在 `data/` 目录下，并根据需要修改脚本中的数据集路径和其他参数。

## 建议

建议使用conda管理环境，并在虚拟环境中安装所需依赖，以避免包冲突和版本不兼容问题。