- 关联数据集，代码中datasets路径下是两套不同分类依据的蛋白质晶体数据集
- 在
train.py脚本中将--data-path设置成训练集文件夹绝对路径 - 下载预训练权重，在
model.py文件中每个模型都有提供预训练权重的下载地址，根据自己使用的模型下载对应预训练权重 - 在
train.py脚本中将--weights参数设成下载好的预训练权重路径，在weights分支中有本文所采用的权重 - 设置好数据集的路径
--data-path以及预训练权重的路径--weights就能使用train.py脚本开始训练了(训练过程中会自动生成class_indices.json文件) - 在
predict0.py脚本中导入和训练脚本中同样的模型，并将model_weight_path设置成训练好的模型权重路径(默认保存在weights文件夹下) - 在
predict0.py脚本中将img_path设置成你自己需要预测的图片绝对路径 - 设置好权重路径
model_weight_path和预测的图片路径img_path就能使用predict0.py脚本进行预测了 - 在
predict_estimate.py脚本中导入相同模型，设置测试集路径，进行模型评估 - 如果要使用自己的数据集，请按照晶体分类数据集的文件结构进行摆放(即一个类别对应一个文件夹)，并且将训练以及预测脚本中的
num_classes设置成你自己数据的类别数
所有数据均为实验室自采，使用的蛋白质晶体图片均为溶菌酶结晶所得。 原始数据集包括蛋白质晶体X射线衍射实验的有关数据放在kaggle上 download url: https://www.kaggle.com/datasets/superredworld/crystals-diffraction