【源码】基于PaddlePaddle框架的PeleeNet图像分类系统

项目简介

本项目基于PaddlePaddle框架实现了PeleeNet模型。PeleeNet是由传统卷积法构建的高效卷积神经网络架构，在速度上相比其他高效架构优势明显，可广泛应用于图像分类及其他计算机视觉任务。

项目的主要特性和功能

1. 高效架构：基于DenseNet思想构建，计算效率高。
2. 数据增强支持：支持RandAugment、AutoAugment和AugMix等多种数据增强技术，提升模型泛化能力。
3. 模型评估：提供模型评估功能，可计算模型在验证集上的准确率。
4. 模型导出：支持将模型导出为静态图模型，便于部署和推理。
5. 分布式训练：支持分布式训练，有效提升训练速度。

安装使用步骤

假设用户已下载本项目的源码文件，可按以下步骤操作：

准备环境

1. 硬件：建议使用4 * RTX3090。
2. 框架：安装PaddlePaddle >= 2.2.0版本，可参考以下命令：
   • 安装GPU版本的Paddle：pip install paddlepaddle-gpu==2.2.0
   • 安装CPU版本的Paddle：pip install paddlepaddle==2.2.0
   • 更多安装方法可参考Paddle安装指南。
3. 下载代码： bash cd PeleeNet-paddle
4. 安装依赖： bash pip install -r requirements.txt
5. 准备数据：若已有ImageNet1k数据集可跳过此步骤；若没有，可从ImageNet官网申请下载。

模型训练

• 单机多卡预训练： shell export CUDA_VISIBLE_DEVICES=0,1 python -m paddle.distributed.launch --gpus="0,1" \ main.py \ --model peleenet \ --batch_size 256 \ --aa '' --smoothing 0 --train_interpolation 'bilinear' --reprob 0 \ --mixup 0 --cutmix 0 \ --opt momentum --weight_decay 1e-4 --min_lr 0 --warmup_epochs 0 \ --lr 0.18 --epochs 120 \ --data_path /path/to/imagenet/ \ --cls_label_path_train /path/to/train_list.txt \ --cls_label_path_val /path/to/val_list.txt \ --output_dir output/peleenet_pt/ \ --dist_eval 若未指定cls_label_path_train/cls_label_path_val，会读取data_path下train/val里的图片作为train-set/val-set。
• 微调训练： shell export CUDA_VISIBLE_DEVICES=0,1 python -m paddle.distributed.launch --gpus="0,1" \ main.py \ --model peleenet \ --batch_size 256 \ --aa '' --smoothing 0 --train_interpolation 'bilinear' --reprob 0 \ --mixup 0 --cutmix 0 \ --opt momentum --weight_decay 1e-4 --min_lr 0 --warmup_epochs 0 \ --lr 0.005 --epochs 20 \ --data_path /path/to/imagenet/ \ --cls_label_path_train /path/to/train_list.txt \ --cls_label_path_val /path/to/val_list.txt \ --output_dir output/peleenet_ft/ \ --dist_eval \ --no_remove_head_from_pretained --finetune $PRETRAINED_MODEL 若未指定cls_label_path_train/cls_label_path_val，会读取data_path下train/val里的图片作为train-set/val-set。

模型评估

shell python eval.py \ --model peleenet \ --batch_size 256 \ --train_interpolation 'bilinear' \ --data_path /path/to/imagenet/ \ --cls_label_path_val /path/to/val_list.txt \ --resume $TRAINED_MODEL 若未指定cls_label_path_val，会读取data_path/val里的图片作为val-set。

模型预测

shell python predict.py \ --model peleenet \ --infer_imgs./demo/ILSVRC2012_val_00020010.JPEG \ --resume $TRAINED_MODEL

模型导出

```shell python export_model.py \ --model peleenet \ --output_dir /path/to/save/export_model/ \ --resume $TRAINED_MODEL

python infer.py \ --train_interpolation 'bilinear' \ --model_file /path/to/save/export_model/output/model.pdmodel \ --params_file /path/to/save/export_model/output/model.pdiparams \ --input_file./demo/ILSVRC2012_val_00020010.JPEG ```

下载地址

点击下载 【提取码: 4003】【解压密码: www.makuang.net】