PaddleClas——训练自定义数据集的分类模型并部署在Windows端

文章目录

• ​​在AI studio端训练模型​​

• ​​配置环境​​
• ​​数据集准备​​
• ​​配置模型超参数​​
• ​​训练模型​​
• ​​生成可预测的模型文件​​
• ​​模型评估​​
• ​​预测​​

• ​​Windows端部署​​

• ​​环境准备​​
• ​​预测​​

• ​​预测效果​​

因为在做机器学习的结课大作业，在分别尝试了Keras、pytorch等框架后，因为本地训练真的巨慢，而且前两个API真的对刚接触新框架的同学不友好，同时，百度的分类模型中方便地提供了超参数的配置文件，同时提供了超大规模的分类预训练模型，可以极大地提高模型的拟合效果，所以最终采用了Paddle来做本次作业。

在AI studio端训练模型

配置环境

拉取PaddlePaddle-Classification
!git clone https://github.com/yeyupiaoling/PaddlePaddle-Classification.git

#安装环境
!pip install ujson opencv-python pillow tqdm PyYAML visualdl -i https://mirrors.aliyun.com/pypi/simple/
!pip install paddleslim==1.1.1 -i https://pypi.tuna.tsinghua.edu.cn/simple
!pip install PaddlePaddle-Classification/utils/ppcls-0.0.3-py3-none-any.whl

数据集准备

#解压数据集
!unzip -d /home/aistudio/ data/data66734/dataset.zip

数据集只需要进行按类别放到不同的文件夹里即可。（需要自行看一下creat_list.py文件中对于数据集文件格式的要求）

#生成txt
!python PaddlePaddle-Classification/create_list.py

配置模型超参数

#下载预训练模型
!wget https://paddle-imagenet-models-name.bj.bcebos.com/MobileNetV1_pretrained.tar
!tar -xf /home/aistudio/MobileNetV1_pretrained.tar

• 通过修改yaml文件修改模型具体的超参数
• 通过更改yaml文件更换模型进行训练测试

# 每次换模型训练前必须删除logs/文件夹，否则使用visualDL会出现前一次训练结果依然存在的情况
!CUDA_VISIBLE_DEVICES=0 
!rm -rf logs/

训练模型

!python PaddlePaddle-Classification/train.py --config PaddlePaddle-Classification/configs/MobileNetV1.yaml

生成可预测的模型文件

!python PaddlePaddle-Classification/export_model.py

模型评估

!python PaddlePaddle-Classification/eval.py

预测

!python PaddlePaddle-Classification/infer.py --image_path="dataset/images/metal/metal102.jpg"

Windows端部署

环境准备

拉取PaddlePaddle-Classification
!git clone https://github.com/yeyupiaoling/PaddlePaddle-Classification.git

#安装环境
!pip install ujson opencv-python pillow tqdm PyYAML visualdl -i https://mirrors.aliyun.com/pypi/simple/
!pip install paddlelite
!pip install paddleslim==1.1.1 -i https://pypi.tuna.tsinghua.edu.cn/simple
!pip install PaddlePaddle-Classification/utils/ppcls-0.0.3-py3-none-any.whl

缺什么pip安装一下就行。

预测

直接运行​​infer.py​​文件即可，可以对infer.py自行进行魔改，但是输入图像一定要经过归一化处理！！！ 否则预测结果你就会吃到没有归一化的苦。

如果要将infer.py文件单独放在路径下，一定记得将utils文件夹一并带走，和infer.py放在一起，这样才能正常运行预测程序。

预测效果