Resnet

说明

本代码来源于 https://github.com/WZMIAOMIAO/deep-learning-for-image-processing/tree/master/pytorch_classification/Test5_resnet

本代码在此基础上写了大量注释，更加便于学习

论文：https://arxiv.org/abs/1512.03385

文件结构：

  ├── model.py: ResNet模型搭建
  ├── train.py: 训练脚本
  ├── predict.py: 单张图像预测脚本
  └── split_data.py：花分类数据集划分训练验证脚本
  └── batch_predict.py: 批量图像预测脚本

使用方法：

首先需要下载花分类数据集，链接为

http://download.tensorflow.org/example_images/flower_photos.tgz

然后将数据集flower_photos解压放在flower_data文件夹内部，在flower_data同级目录下放置split_data.py文件，运行split_data.py划分训练验证数据集。

  ├── flower_data
  	  └── flower_photos
  	      ├── daisy
  	      ├── dandelion
  	      └── roses ...  
  └── split_data.py: 批量图像预测脚本

根据需要的resnet模型，下载预训练权重，然后指定划分后的数据集路径（train脚本28行），指定权重路径（68行），运行train.py脚本。

model_urls = { 'resnet18': 'https://download.pytorch.org/models/resnet18-5c106cde.pth', 'resnet34': 'https://download.pytorch.org/models/resnet34-333f7ec4.pth', 'resnet50': 'https://download.pytorch.org/models/resnet50-19c8e357.pth', 'resnet101': 'https://download.pytorch.org/models/resnet101-5d3b4d8f.pth', 'resnet152': 'https://download.pytorch.org/models/resnet152-b121ed2d.pth', 'resnext50_32x4d': 'https://download.pytorch.org/models/resnext50_32x4d-7cdf4587.pth', 'resnext101_32x8d': 'https://download.pytorch.org/models/resnext101_32x8d-8ba56ff5.pth', 'wide_resnet50_2': 'https://download.pytorch.org/models/wide_resnet50_2-95faca4d.pth', 'wide_resnet101_2': 'https://download.pytorch.org/models/wide_resnet101_2-32ee1156.pth', }

训练数据

本模型使用的是花分类数据集，如果要使用其他分类数据集，需要重写dataset模块。花分类数据集下载链接：

http://download.tensorflow.org/example_images/flower_photos.tgz

相关博文：

我的知乎关于resnet的论文笔记

ResNet精读-残差连接使网络大大加深：

https://zhuanlan.zhihu.com/p/478096991

一个相关的笔记，里面介绍了花分类数据集的使用方法：

https://blog.csdn.net/qq_62932195/article/details/122094111