# pytorch-CNN 图片分类

**Repository Path**: CIPFZ/PyTorch-CNN

## Basic Information

- **Project Name**: pytorch-CNN 图片分类
- **Description**: PyTorch 实现 CNN，以及一些使用CNN图片分类项目
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 16
- **Forks**: 4
- **Created**: 2022-07-22
- **Last Updated**: 2025-04-08

## Categories & Tags

**Categories**: Uncategorized

**Tags**: Python, PyTorch, 机器学习, CNN

## README

# pytorch-CNN 图片分类

#### 介绍
1、PyTorch 实现 CNN，以及一些使用CNN图片分类项目

#### 项目路径
1、CNN / 猫狗大战


#### 安装教程

1. 将代码全部下载
2. 安装相应的库（在requirments.txt文件目录下）

```
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
```



#### 使用说明

1.  **machine-learn/ CNN / 猫狗大战 使用说明：** 
    #### 文件介绍：
        1. AverageMeter.py  -  保存和更新准确率
        2. CNNet.py - CNN网络Pytorch实现
        3. dataset.py - （训练、验证、测试）数据集处理
        4. detect.py - 使用模型进行图片分类
        5. imageResize.py - 图片尺寸统一化（有助于优化训练模型精度）
        6. main.py - 运行主函数及基本配置（需要自行配置自己计算机的路径）
        7. model2.pth - 我的猫狗分类训练模型（仅供参考）
        8. test.py - 模型验证代码并模型计算准确率
        9. train.py - 模型训练函数

    #### 使用时需要改动的内容：
      每个文件都有相应的注释，根据自己的需要进行更改

```
        注：main.py 中需要对基本的数据集文件路径进行更改，替换为自己的数据集文件路径

        --yourselves config--
        basePath = "D:\\myInterestTest\\objectDetect\\data\\catVSdog" # 数据集文件父路径
        dogFolderPath = basePath + os.sep + "train" + os.sep + "dog" # dog train images path
        catFolderPath = basePath + os.sep + "train" + os.sep + "cat" # cat train images path
        testImgPath = basePath + os.sep + "test" # 验证图片数据集
        testPath = basePath + os.sep + "test.csv" # 验证图片类别csv文件
        model_cp = './model2.pth' # 模型保存路径
        tensorboard_path = 'D:\\myInterestTest\\objectDetect\\tensorBoard' # tensorboard 文件夹路径
        dogAct = 0 # 狗的类别数字
        catAct = 1 # 猫的类别数字
        EPOCH = 20 # 训练轮数
        workers = 10  # PyTorch读取数据线程数量
        batch_size = 16 # 训练所抓取的数据样本数量
```


#### 注意

1.  本代码只是用于交流学习，不支持商业交易活动。如有疑问和指教请给我留言，我会尽快回复。
2.  转载请附上我的链接：https://gitee.com/CIPFZ/machine-learn/tree/master/CNN/%E7%8C%AB%E7%8B%97%E5%A4%A7%E6%88%98
3.  谢谢配合！