## pytorch图片分类训练框架 >代码兼容性较强，使用的是一些基本的库、基础的函数 >在argparse中可以选择使用wandb，能在wandb网站中生成可视化的训练过程 ## 分支说明 - `master`分支，华科大提供默认代码 - `demo`分支，废弃 - `whitebox_wm_integrate`分支，包含图像分类模型定义、模型训练、模型验证、模型水印训练、模型水印验证 ### 1，环境 >torch：https://pytorch.org/get-started/previous-versions/ >``` >pip install timm tqdm wandb opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple >``` ### 2，数据格式 >├── 数据集路径：data_path >    └── image：存放所有图片 >    └── train.txt：训练图片的绝对路径(或相对data_path下路径)和类别号， >        (如-->image/mask/0.jpg 0 2<--表示该图片类别为0和2，空类别图片无类别号) >    └── val.txt：验证图片的绝对路径(或相对data_path下路径)和类别号 >    └── class.txt：所有的类别名称 ### 3，run.py >模型训练时运行该文件，argparse中有对每个参数的说明 ### 4，predict_pt.py >使用训练好的pt模型预测 ### 5，export_onnx.py >将pt模型导出为onnx模型 ### 6，predict_onnx.py >使用导出的onnx模型预测 ### 7，export_trt_record >文档中有onnx模型导出为tensort模型的详细说明 ### 8，predict_trt.py >使用导出的trt模型预测 ### 9，gradio_start.py >用gradio将程序包装成一个可视化的页面，可以在网页可视化的展示 ### 10，flask_start.py >用flask将程序包装成一个服务，并在服务器上启动 ### 11，flask_request.py >以post请求传输数据调用服务 ### 12，gunicorn_config.py >用gunicorn多进程启动flask服务：gunicorn -c gunicorn_config.py flask_start:app ### 模型注意事项：