pytorch自定义图像分类项目的训练+OpenCV部署实战案例

一、项目介绍

分为2部分：（含代码及资料下载）

1）基于pytorch从头实现resnet18结构，训练并导出onnx模型+推理。

2）使用pytorch内置的resnet18模型进行迁移学习，训练并导出onnx模型+推理。

迁移学习的优势很大，一句话概括就是在训练集不是很大的情况下便能得到不错的模型学习效果！

本项目实现自定义自定义图像分类，图像的种类有5种。

训练集：二级目录，pokemon目录下有5个以各自类别名命名的子目录。

 从左往右分别是：

妙蛙种子        234张
小火龙            238张  
超  梦             239张
皮卡丘           234张
杰尼龟           223张

二、环境概述

训练时：

pytorch 1.7.1+cu101、

visdom等等插件，代码中需要什么包就执行对应的安装命令即可。

模型部署及推理时：