本代码是基于python pytorch环境安装的。
下载本代码后，有个环境安装的requirement.txt文本
首先是代码的整体介绍
总共是3个py文件，十分的简便
本代码是不含
数据集图片的，下载本代码后需要自行搜集图片放到对应的文件夹下即可
需要我们往每个文件夹下搜集来图片放到对应文件夹下，每个对应的文件夹里面也有一张提示图，提示图片放的位置
然后我们需要将搜集来的图片，直接放到对应的文件夹下，就可以对代码进行训练了。
运行01生成txt.py,是将
数据集文件夹下的图片路径和对应的标签生成txt格式,划分了训练集和验证集
运行02CNN训练
数据集.py,会自动读取txt文本内的内容进行训练，这里是适配了
数据集的分类文件夹个数，即使增加了分类文件夹，也不需要修改代码即可训练
训练过程中会有训练进度条，可以查看大概训练的时长,每个epoch训练完后会显示准确率和损失值
训练结束后，会保存log日志，记录每个epoch的准确率和损失值
最后训练的模型会保存在本地名称为model.ckpt
运行03pyqt界面.py，就可以实现自己训练好的模型去识别图片了
到此这篇list转化为string（list转化为dataframe）的文章就介绍到这了,更多相关内容请继续浏览下面的相关推荐文章，希望大家都能在编程的领域有一番成就！版权声明：
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若内容造成侵权、违法违规、事实不符，请将相关资料发送至xkadmin@xkablog.com进行投诉反馈，一经查实，立即处理！
转载请注明出处，原文链接：https://www.xkablog.com/do-docker-k8s/70373.html