本仓库为课程《人工智能原理》项目2-图像分类问题
本工程的结构为
cnn_project/
│
├── data/ # 存放数据文件夹
│ ├── images/ # 存放图片文件
│ ├── cam/ # 存放激活图片文件
│ ├── train_label.csv # 存放图片标签和编号的CSV文件
| ├── val_label.csv
| └── test_label.csv
│
├── model.py # 存放模型定义
├── model.pth # 基础模型保存文件
├── model2.pth # 添加dropout，数据增强后的文件
├── model3.pth # 少分类问题的模型
├── dataloader.py # 数据加载和预处理
├── visualization.py # 可视化工具
├── train.py # 训练模型的脚本
├── evaluate.py # 评估模型的脚本
├── doc.md # 存放实验数据记录
└── README.md # 项目的README文件
模型更改：更改model.py中的语句 模型训练：使用train.py,注意更改line14的num_classes为需要更改的分类目标的数量，模型保存在同目录下的model.pth/model2.pth/model3.pth 模型评估：使用evalute.py,注意更改line18的num_classes，初始化模型时要导入模型，在line20修改'model.pth'或其他模型 可视化：使用visualization.py，注意更改line45的num_classes，在line51的img_path中选择要导入的图片，该图片用于可视化决策过程。在line55中更改第二个参数为图片对应的类别，在label中可以查到