# classification

**Repository Path**: windowzzhhuu/classification

## Basic Information

- **Project Name**: classification
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2020-07-17
- **Last Updated**: 2020-12-20

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# pytorch_classification

利用pytorch实现图像分类，可以根据需要再行利用torchvision扩展其他的分类算法

## 实现功能
* 基础功能利用pytorch实现图像分类
* 包含带有warmup的cosine学习率优化
* 利用flask实现模型云端api部署

## 运行环境
* python3.6
* pytorch 1.1
* torchvision 0.3.0


### 数据集形式
原始数据集存储形式为，同个类别的图像存储在同一个文件夹下，所有类别的图像存储在一个主文件夹datasets下，格式依据工程目录样式。
利用preprocess.py将数据集格式进行转换
转换后的数据集为，将训练集的路径与类别存储在train.txt文件中，测试机存储在val.txt中

### 模型介绍
densenet构建模型

### 训练

* 在`cfg.py`中修改合适的参数，并在train.py中选择合适的模型
```shell
cd ~/AI_classification/pytorch_classification/
python train.py
```

### flask云端部署
将训练存储好的权重文件，存储在文件夹中
```shell
cd ~/AI_classification/
nohup python synch_server.py > log1.txt 2>&1 &
```
### 客户端调用
- HTTP

```
http://ip:port/synchfile/analyze
```

- POST方式，请求参数json格式：
```angular2
{"source_file":"/home/wiscert/AI_classification/pytorch_classification/datasets/val/0/11.jpg"}
```
- 请求成功返回结果
```angular2
{"error_code": 0, "error_message": "", "request_id": "734c392e-a227-11ea-8ba7-00163e1699a1", "job_id": "734c392f-a227-11ea-8ba7-00163e1699a1", "label": "\u5b66\u4f4d\u8bc1\u4e66", "took": 0.287}
```
label字段对应的类别
- 请求失败返回结果
```angular2
{"error_code": 10000, "error_message": "parse data fail: 'source_file'", "request_id": "07fa016a-a22c-11ea-8ba7-00163e1699a1", "took": 0.0002}
```