人工智能课程设计 五种花进行分类

1. 使用VGGNet、GoogLeNet、ResNet、DenseNet、EfficientNet和数据集中80%的数据训练识别模型，并对剩下20%的数据集进行测试 ；
2. 使用不同的评价指标（如accuracy、precision、recall等）对各种算法进行评价；
3. 鼓励基于现有的算法提出改进，进一步提高算法的性能。

该文件夹存放使用pytorch实现的代码版本

model.py： 是模型文件

train.py： 是调用模型训练的文件

predict.py： 是调用模型进行预测的文件

class_indices.json： 是训练数据集对应的标签文件

---

Install

git clone https://github.com/AubreyFeng/Classification-of-flowers.git
cd Classification-of-flowers
pip3 install -r requestments.txt

数据集下载

下载好数据集，代码中默认使用的是花分类数据集，下载地址:

https://storage.googleapis.com/download.tensorflow.org/example_images/flower_photos.tgz

预权重文件下载

预权重文件

Train

在进入目录后，修改数据集路径，输入以下命令。

python train.py

Predict

python predict.py