- 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