Python基于pytorch深度学习的车型识别系统源码+使用说明

上传者: 2301_76484015 | 上传时间: 2024-06-06 13:32:59 | 文件大小: 21KB | 文件类型: ZIP
Python基于pytorch深度学习的车型识别系统源码+使用说明 训练模型主要分为五个模块:启动器、自定义数据加载器、网络模型、学习率/损失率调整以及训练可视化。 启动器是项目的入口,通过对启动器参数的设置,可以进行很多灵活的启动方式,下图为部分启动器参数设置。 任何一个深度学习的模型训练都是离不开数据集的,根据多种多样的数据集,我们应该使用一个方式将数据集用一种通用的结构返回,方便网络模型的加载处理。 这里使用了残差网络Resnet-34,代码中还提供了Resnet-18、Resnet-50、Resnet-101以及Resnet-152。残差结构是通过一个快捷连接,极大的减少了参数数量,降低了内存使用。

文件下载

资源详情

[{"title":"( 14 个子文件 21KB ) Python基于pytorch深度学习的车型识别系统源码+使用说明","children":[{"title":"pytorch_train-master","children":[{"title":"mobile_net.py <span style='color:#111;'> 7.12KB </span>","children":null,"spread":false},{"title":"data","children":[{"title":"README.md <span style='color:#111;'> 53B </span>","children":null,"spread":false}],"spread":true},{"title":"flops_benchmark.py <span style='color:#111;'> 7.72KB </span>","children":null,"spread":false},{"title":"dataset.py <span style='color:#111;'> 3.60KB </span>","children":null,"spread":false},{"title":"start.py <span style='color:#111;'> 11.99KB </span>","children":null,"spread":false},{"title":"clr.py <span style='color:#111;'> 6.76KB </span>","children":null,"spread":false},{"title":"run.py <span style='color:#111;'> 5.34KB </span>","children":null,"spread":false},{"title":"requirements.txt <span style='color:#111;'> 73B </span>","children":null,"spread":false},{"title":"resnet.py <span style='color:#111;'> 6.80KB </span>","children":null,"spread":false},{"title":"logger.py <span style='color:#111;'> 3.38KB </span>","children":null,"spread":false},{"title":"util","children":[{"title":"__init__.py <span style='color:#111;'> 118B </span>","children":null,"spread":false},{"title":"transfor.py <span style='color:#111;'> 837B </span>","children":null,"spread":false}],"spread":true},{"title":"results","children":[{"title":"README.md <span style='color:#111;'> 20B </span>","children":null,"spread":false}],"spread":true},{"title":"README.md <span style='color:#111;'> 5.24KB </span>","children":null,"spread":false}],"spread":false}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明