花卉识别数据集

1、准备数据集：数据集存放在dataset目录中，其中trian目录存放训练集，test目录存放测试集。 图片的标签结合到文件名中，比如xxx-001-000001.jpg，其中xxx表示图片的类别编号，类别编号从0开始，比如第0类图片名称可命名为000-001-000001.jpg。 xxx-001-0000001.jpg中的001和000001是图片的序列号。 类别的名称存放在classes.txt中，根据类别编号顺序存放。 2、模型训练：打开1_train.py脚本，编辑训练参数，并运行该脚本，生成的权重为-best.pth和-last.pth两个，保存在weights目录中。 3、模型导出：使用2_export.py脚本，可以将pth模型文件导出为pt和onnx文件，导出的模型文件保存在exports目录中。 4、模型评估：使用3_eval.py脚本评估模型的Topk准确度，模型评估的结果保存在results目录中。 5、模型计算量和参数量统计：使用4_profile_onnx.py脚本对模型的计算量和参数量进行统计。 6、runs目录中保存了训练过程的损失函数、准确度等变化过程，可以使用tensorboard查看。

相关知识

五类花卉识别数据集
5种分类花卉识别数据集
flower花朵识别数据集
深度学习花卉识别：Python数据集解析
三角梅花卉识别AI数据集：高清图片集
YOLO识别病虫害数据集
探索花朵的秘密世界：高品质五分类花卉识别数据集
花卉数据集
【叶片病虫害数据集】果树叶片病变识别 机器视觉 Python （含数据集）
第23期 植物病害识别数据集

网址: 花卉识别数据集 https://www.huajiangbk.com/newsview626868.html