基于pytorch实现的 ConvNeXt 模型对图像分类的实战项目

基于pytorch实现的 ConvNeXt 模型对图像分类的实战项目 代码全部手写实现，标注完整，方便调试和阅读。训练自定义数据集非常简单，摆放好数据即可，用户也可以根据自身需求添加新的模块 【训练脚本】训练的时候，可以选择ConvNeXt对应的tiny、base 五种网络。优化器采用SGD、Adam算法可以自行选择。学习率采用余弦退火算法。损失函数是交叉熵多类别损失。 代码自动生成数据集类别的 json 文件，计算网络的输出个数。并且计算训练集的mean和std实现更好的收敛效果。对数据的预处理种采用翻转、裁剪等等多种图像增广。训练完成会生成loss、acc在训练、验证集上的曲线，以及分别保存混淆矩阵图，计算相应的召回率、精确度等等，并且还会保存一张预处理后的图像 【预测predict.py】只需要将待预测的图像放在指定文件夹下，代码会自动将该文件下所有的图像进行预测，并在原图像左上角写入最大的前三个类别和概率 【代码介绍：https://blog.csdn.net/qq_44886601/article/details/138574202】