该项目为【【软件杯-B6智慧农业-植物表型特征识别】赛题-🔍】 中的深度学习模型部分， 旨在实现三类植物叶片病害的分类，属于ImageClassification任务，本身任务难度为入门，部分难度中等。
深度学习模型部分主要目标是训练出一个性能、泛化能力较好的模型，再与后端对接，使其该模型能被java调用且预测的输出结果与python一致，旨在完成该任务。
深度学习模型的开发主要分为以下：
1、数据预处理（包括数据集的下载、分析、划分、数据增强等）
2、模型搭建（包括神经网络结构搭建、添加各种tricks等）
3、模型训练（包括训练模型、可视化训练过程、调参优化）
4、模型预测（包括单张、批量图片的预测（提前提取的测试集））
5、模型部署（包括pth模型转onnx模型，使其能够被后端java调用）
项目根目录下的各个文件夹及文件的说明：
-LeafDiseaseCls/ 根目录
-&temp/ 临时文件夹
-dataset/ 数据集文件夹（提前划分好的训练、验证、测试集）
-test/ 测试集
-train/ 训练集
-val/ 验证集
-downloads/ 爬虫保存图片网图）
-predict_demo/ 预测demo（torch、onnx模型的预测）
-wandb/ wandb可视化相关（含训练保存的模型权重文件）
-downloadimg.py 爬取百度图库图片脚本
-get_testimg.py 提取测试集脚本（预处理）
-load_data.py 加载数据集脚本
-model.onnx onnx权重文件
-model.2222.onnx
-modek-nor-0.5.onnx
-mogai_transflorm_resize.py 魔改transfroms中的resize函数
-net.py 神经网路结构
-normilize.py 求自定义数据集的mean、std
-predict.py 预测脚本
-README.md
-requirement.txt 依赖库
-show_dataset.py 可视化数据集脚本
-split_train_val.py 划分训练集、验证集（预处理）
-summary_dataset.py 打印数据集信息
-torch2onnx.py torch转onnx
-train.py 训练脚本
# 创建虚拟环境
conda create -n myenv python=3.7# 激活虚拟环境
conda activate myenv# 下载依赖库
pip install -r requirements.txt1）需要注册wandb-🔍 ，修改wandb初始化信息，将下面部分改为你自己的信息：
2）执行训练脚本：
python train.py1）修改模型权重文件的路径：
2）选择单张或批量预测，自行注释相关部分即可；
3）执行预测脚本：
python predict.py若有问题，联系技术支持[email protected]
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent