安装环境
pip install -r requirements.txt
训练代码为train.py
根据需求修改代码中的“预设参数”部分(如下)
batch_size = 4
learning_rate = 1e-4 # 学习率
epoches = 100 # 训练轮次
train_path = './dataset/train/' # 训练集的路径
val_path = './dataset/val/' # 验证集的路径
use_gpu = True # 是否使用gpu
运行train.py开始训练
训练的模型会保存在model文件夹下,目前的设置是每10个epoches会自动存一次,除此之外还会存一个表现最好的模型bestmodel.pth
训练结束后会输出准确率acc和损失loss,并以图片形式存在当前目录下。
检测代码为detect.py 根据需求修改代码中的“预设参数”部分(如下)
# 类型代号和名称对应的字典(用于在图像显示,可自行修改)
num_type = {0: "blight",
1: "common_rust",
2: "gray_leaf_spot",
3: "healthy"}
use_gpu = True # 是否使用gpu
val_path = './dataset/val/' # 指定检测用的数据集路径
运行detect.py可以查看检测结果