|
分类基线网络，resnet，WRN, SE-resnet, Densenet, pyramid, shake_shake,有使用说明，pytorch，亲测有效，cifar10精度97.34%，cifar100精度86.57%，mini-imagenet精度84.51%
hi，这是我用百度网盘分享的内容~复制这段内容打开「百度网盘」APP即可获取
链接:https://pan.baidu.com/s/1GGV4oE3kzlTqdcQ_Pgzmuw
提取码:5xng
使用说明
怎样使用image-classification-master
作者：orange
安装anaconda
离线安装包一路确定即可
打开 Anaconda prompt
创建虚拟环境
conda create -n pytorch python=3.8
激活虚拟环境
activate pytorch
#回复默认设置
conda config --remove-key channels
添加清华源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
#显示安装通道
conda config --set show_channel_urls yes
安装pytorch
conda install pytorch torchvision -c pytorch
安装numpy
conda install numpy
安装scipy
conda install scipy
测试torch是否可用
首先进入python
在Anaconda prompt输入python即可（环境是虚拟环境pytorch）
#在python输入以下语句
import torch
flag = torch.cuda.is_available()
print(flag)
若出现true 则可用
可在Anaconda prompt 直接运行
activate pytorch
D: //如果放在E盘，则改成E:
cd D:\anaconda\image-classification-master //注意修改路径
python train.py --model Resnet --dataset cifar10 --layers 20 --widen-factor 1 --Test accuracy --GPU 1 //这些参数都可以修改
activate pytorch
D:
cd D:\anaconda\image-classification-master
python train.py --model Resnet --dataset cifar10 --layers 20 --widen-factor 1 --Test accuracy --GPU 1
或者直接打开train.py运行
|