ResNet从理论到实践（二）使用ResNet18进行猫狗分类

今天和大家分享一个开源项目，利用ResNet-18进行猫狗分类。整个项目基于Pytorch1.7实现。

项目地址为：https://gitee.com/cv365/cat-dog_classification

1.背景

给定25000张图片，其中一半图片内容为猫，另外一半图片内容为狗，如下图所示：

想要训练一个分类器，用于分类图片中的动物是猫还是狗。

我们将这25000张图片分成2部分，第一部分为20000张，2种类别各10000张，用于训练；第二部分为5000张，2种类别各2500张，用于测试网络性能。

基于ResNet-18进行训练，论文中ResNet-18中最后的FC层输出为1000，将其改为2，因为我们要进行2分类任务。

除了最后的FC层外，其余层的权重均使用在ImageNet上预训练的权重，FC层的权重使用Pytorch中默认的初始化方法进行初始化。

2.代码结构

代码结构如下图所示：

共有4个.py文件：

DogCatDataset.py用于读取数据

prepare_data.py用于将25000张图片分为训练集和测试集，运行该程序生成上图中的data/newtrain文件夹和data/newtest文件夹

train.py用于训练网络

test.py用于测试训练好的网络，在运行时需要resnet18_Cat_Dog.pth文件

3.训练、测试方法

（1）从gitee上下载代码，下载地址：https://gitee.com/cv365/cat-dog_classification

（2）下载数据集，下载地址：https://pan.baidu.com/s/19eG-kbPifVfIRGcgS21gZA，提取码：hjag

（3）将下载完的数据集存放至[工程主目录]/data路径下，并在该路径下解压数据集

（4）运行prepare_data.py文件完成数据集划分，运行完成后，在data路径下会生成newtrain和newtest这2个文件夹，分别存放训练集和测试集

训练命令

python train.py

训练完成后，在工程主目录下会生成名为resnet18_Cat_Dog.pth的权重文件，推理时会读取该文件。

测试命令

python test.py

推理完成后会打印出推理的正确率。

若不想训练，而想直接测试，也可以下载训练好的权重，下载地址：https://pan.baidu.com/s/1DykBh0ht5URLzdludSVPNQ，提取码：s7h2

运行遇到问题，欢迎在Gitee上提issue，或者在公众号上留言。

推荐阅读

ResNet从理论到实践（一）ResNet原理

ResNet变体：ResNeXt

如果你对计算机视觉中的目标检测、跟踪、分割、轻量化神经网络感兴趣，扫描下方二维码，关注公众号一起交流学习~