图像分类
组件介绍
“图像分类”（Image Classification） 控件主要用于训练图像分类模型。
图像分类模型根据各自在图像信息中所反映的不同特征，把不同类别的目标进行区分。
- 输入：
- img: 图像数据集
- 输出：
- dpmod：深度学习模型
“图像分类”（Image Classification） 控件读取ImageNet数据集，通过指定要训练的模型及相关的训练参数进行图像分类模型的训练。
训练集目录结构如下：
|- train
|- category1
|- category1_image1
|- category1_image2
|- ...
|- category2
|- category2_image1
|- category2_image2
|- ...
|- ...
|- val
|- category1
|- category1_val_image1
|- category1_val_image2
|- ...
|- category2
|- category2_val_image1
|- category2_val_image2
|- ...
|- ...
|- label_list.txt
|- train_list.txt
|- val_list.txt
其中label_list.txt用于记录标签信息，包括标签编号和标签名，label_list.txt内容示例如下：
0 pug
1 husky
train_list.txt用于记录训练集数据信息，包括图片目录及标签id，train_list.txt内容示例如下：
train/husky/1.png 1
train/husky/2.png 1
train/husky/3.png 1
train/pug/1.png 0
train/pug/2.png 0
train/pug/3.png 0
val_list.txt用于记录验证集数据信息，包括图片目录及标签id，val_list.txt内容示例如下：
val/husky/10.png 1
val/husky/11.png 1
val/husky/12.png 1
val/pug/10.png 0
val/pug/11.png 0
val/pug/12.png 0
测试集目录结构如下：
|- test
|- category1
|- category1_image1
|- category1_image2
|- ...
|- category2
|- category2_image1
|- category2_image2
|- ...
|- ...
|- test_list.txt
test_list.txt用于记录测试集数据信息，test_list.txt内容示例如下：
test/husky/1.png
test/husky/2.png
test/husky/3.png
test/pug/1.png
test/pug/2.png
test/pug/3.png
页面介绍
点击 “图像分类”（Image Classification） 控件查看参数配置页面，如下图所示：
参数选项
| 选项 | 说明 | 取值范围 | 样例值 | |
|---|---|---|---|---|
| 模型名称 | 设置模型名称，用于在其他组件中区分不同的模型 | 非空字符串 | Image Classification | |
| 计算框架 | 选择模型训练采用的训练框架，控件支持如下计算框架： | PyTorch | PyTorch | |
| 模型选择 | PyTorch | 支持的用于图像分类的深度学习模型 | ResNet34 | ResNet34 |
| Tensorflow | ResNet34 | ResNet34 | ||
| 训练参数 | 迭代轮数 | 训练迭代轮数（epoch） | 1~100000 | 10 |
| 学习率 | learning rate | 0.00000001~1 | 0.01 | |
| 批大小 | 一个epoch训练的样本大小 | 1~840 | 4 | |
使用案例
在下图所示的案例中，使用 “图像”（Image） 控件加载数据集，连接 “图像分类”（Image Classification） 控件构建模型，再将 “图像分类”（Image Classification） 控件与 “训练日志”（Train Log） 控件连接起来查看模型的训练日志。
案例中加载狗狗分类数据集，案例中控件执行结果如下图所示：
