0、前言

上一章，我们简单介绍了15种常用的深度学习图像分类模型，想了解模型结构的可以查看15种常用的深度学习图像分类模型（介绍 + 代码）
本章，我们将以猫狗分类数据集为例，介绍如何运行这15种模型。

1、数据集介绍

本文使用公开的猫狗数据集，数据集组织如图所示

• TestImg: 作为模型训练完成后要测试的图片

• train：训练集

• val: 验证集

其中 train 文件夹包含每个类别的图片，以类别名称命名文件夹，如下图
 

示例Cat图片
 

示例Dog图片
 

同样，val 文件夹也包含每个类别的图片，以类别名称命名文件夹，如下图

为方便大家学习 这里给大家整理了一份学习资料包 需要的同学 根据下图自取即可

2、模型介绍

下载15种分类模型源码，如下图所示

打开底部README.txt可以看到有关代码的介绍

并且，每个模型文件夹里面都有一个READNME.md文件，指导我们如何训练，示例如图

3、训练模型

本次以 MobileNet 模型为例，训练猫狗数据集。打开README.txt，按里面步骤进行

3.1 准备训练和验证数据集

注意数据集格式只能是上述介绍的样式，即
–||clsdata
----||train
--------||class 1
-------------||1.jpg
-------------||2.jpg
…
--------||class 2
-------------||1.jpg
-------------||2jpg
…
----||val
--------||class 1
-------------||1.jpg
-------------||2.jpg
…
--------||class 2
-------------||1.jpg
-------------||2jpg
…

注意：数据不一定非要放到 data 目录下，任意目录都可以

3.2 下载预训练权重

根据 train.py 中使用的模型，下载对应的权重
示例中train.py使用的是mobilenet_v1模型，该模型没有预训练权重，所以要注释相关内容。

如果选择MobileNetV2模型，则根据readme.txt文档中的地址下载，下载完成后放入weight文件夹中，统一管理。

3.3 修改配置文件

需要修改如下内容

• 修改模型名称net_name，可为任意值，用于训练完成后保存的名称

• 修改模型分类类别数class_num，这里猫狗只有2类

• 修改训练集和验证集的存放路径train_path,val_path

• 每一轮的训练及测试结果会保存到.csv文件中，修改.csv文件的保存路径csv_path

• 修改最好模型的保存路径save_path

• 修改预训练权重的路径pre_weight

为方便大家学习 这里给大家整理了一份学习资料包 需要的同学 根据下图自取即可

3.4 训练

找到对应模型文件夹的 train.py 脚本， 右键运行即可

训练的时候会在模型文件夹外自动生成映射文件，用于模型预测使用
 

注意：如果在ubantu系统上训练，由于ubantu系统不支持使用plt.plot绘制图像，需要注释掉相关语句，如下图所示

3.5 预测

• 在predict.py中修改测试图片的路径img_path

• 在predict.py中修改读取类别映射的路径class_path

• 在predict.py中修改加载模型权重的路径weights_path，将其改为训练过程中保存的最好模型的路径

预测结果显示

为了小伙伴们能够，更好的学习实践，本文已将训练代码和数据集打包上传，供小伙伴们学习。获取方式如下：