Vision Transformer 分类水果图片集 Python 代码（可训练自己数据集）

已于 2024-01-14 02:33:27 修改
阅读量1k 收藏 20
点赞数 15
文章标签： transformer 深度学习 人工智能
于 2023-12-09 00:39:26 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/Illusionna_/article/details/134889628
版权
本文介绍了在EfficientTransformer仓库中使用VisionTransformer(ViT)进行图像分类的过程，通过700次迭代达到接近99%的准确性，测试集表现优秀。读者需先阅读main.py文档，然后处理和训练文件以实现这一成果。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

代码链接: 

https://github.com/Illusionna/ComputerVision/tree/main/EfficientTransformerA repository for ViT. Contribute to Illusionna/Transformer development by creating an account on GitHub.icon-default.png?t=N7T8https://github.com/Illusionna/ComputerVision/tree/main/EfficientTransformer

图片数据集链接:

https://pan.baidu.com/s/1xyMbXGbNYu4nIZRyP50PUg?pwd=emx4

提取码: emx4

执行步骤（先查看 main.py 文档）：

可以下载我的权重直接进行分类任务.

先运行 process.py 处理文件.

再运行 train.py 训练文件.

结果：

迭代 700 次准确率接近 99%，测试集基本全部分类正确.

Illusionna.
关注
简单有趣的变形金刚网络（VIT） Vision Transformer（可以直接替换自己数据集）-直接放置自己的数据集就能直接跑（网络结构详解+详细注释代码+核心思想讲解）——pytorch实现
爱吃橘子的小翟
05-10 4515
论文题目： An Image Is Worth 16x16 Words: Transformers For Image Recognition At Scale 原论文下载链接：https://arxiv.org/abs/2010.11929 原论文对应源代码：mirrors / google-research / vision_transformer · GitCode Transformer最先应用于在NIP领域，并且取得了巨大的成功，事实上NIP和CV作为深度学习应用最广的两个领域，两者的
AI原生应用中的嵌入模型：训练技巧与陷阱规避
最新发布
AI智能涌现深度研究
04-30 597
本文聚焦"AI原生应用"这一特定场景（即从需求设计到功能实现均以AI为核心的应用，如智能客服、个性化推荐、多模态搜索等），深入解析嵌入模型的训练方法论。我们不空谈理论，而是围绕"如何让嵌入向量更精准""如何避开训练中的坑"展开，覆盖文本、图像、多模态三类主流场景。本文将按"概念-原理-实战-避坑"的逻辑展开：先用奶茶店点单的故事引出嵌入模型；再用"翻译官""拼图游戏"等比喻解释核心概念；接着用Python代码演示训练过程；最后结合真实案例总结技巧与陷阱。数据准备。
使用Vision Transformer进行图像分类
Time_Memory_cici的博客
10-29 1324
如果要使用自己的数据集，请按照花分类数据集的文件结构进行摆放(即一个类别对应一个文件夹)，并且将训练以及预测脚本中的num_classes设置成你自己数据的类别数。小Tip：圈数字。
较新论文(2022)的模型EfficientFormer，改进的轻量化vision transformer，训练自己的数据集模型
qq_28593177的博客
01-09 3186
运行环境：Windows10 I7-13700k RTX4080 Cuda11.3 ,在mmdetection框架下运行Efficientformer模型，Transformer和CNN在CV领域广泛使用，CNN和Transformer已经对战多年, 在目标检测中通常是CNN比较常用，因为transfomer参数量大且训练时间长.最近的一篇论文提出了EfficientFormer是改进的VIT（vision transformer），其在轻量化的同时也能提高精度，并且目标是达到移动设备可以使用的速度。
PyTorch实战：利用Vision Transformer进行自定义数据集二分类
daimakezhan_cn_d的博客
06-09 344
视觉转换器是深度学习领域中流行的转换器之一。在视觉转换器出现之前，我们不得不在计算机视觉中使用卷积神经网络来完成复杂的任务。随着视觉转换器的引入，我们获得了一个更强大的计算机视觉任务模型。在本文中，我们将学习如何将视觉转换器用于图像分类任务。print(
使用ViT（Vision transformer）来训练Cifar10数据集
HELLOWORLD2424的博客
10-09 1万+
下面的代码是使用ViT训练Cifar10数据集的demo。
帮我用python写一个基于transformer的图像分类
weixin_42576186的博客
02-12 443
很好，为了实现这个需求，我们需要以下几个步骤： 准备数据：需要一组用于图像分类的数据集，例如MNIST、CIFAR等。 安装依赖库：需要安装PyTorch和torchvision等库。 建立模型：使用transformer模型，在PyTorch中可以使用torch.nn.Transformer模块。 训练模型：使用训练数据对模型进行训练，以调整模型参数以获得最佳性能。 评估模型：使用测试...
基于预训练的ViT-Base模型，使用包含100种类型水果的数据集进行训练代码实现
05-18
以下是使用PyTorch实现的基于预训练的ViT-Base模型的代码，用于对包含100种水果的数据集进行训练： ```python import torch import torch.nn as nn import torch.optim as optim import torchvision.transforms as ...
PyTorch图像分类实战手册：定制化数据集处理流程
首先，文章介绍了图像分类数据集的基本概念和格式，以及如何在PyTorch中进行数据加载与转换。随后，本文探讨了数据增强与预处理的常用技术，并阐述了创建自定义数据集类的步骤。在模型构建章节中，文章对深度
Vision Transformer 神经网络在水果、动物、血细胞上的应用【深度学习、PyTorch、图像分类】
Illusionna_的博客
10-20 1175
Vision Transformer 神经网络在水果、动物、血细胞上的应用.
vision_transformer
03-16
视觉变压器 作者：Alexey Dosovitskiy *†，Lucas Beyer *，Alexander Kolesnikov *，Dirk Weissenborn *，翟小华*，Thomas Unterthiner，Mostafa Dehghani，Matthias Minderer，Georg Heigold，Sylvain Gelly，Jakob Uszkoreit和Neil Houlsby *†。 （*）等于技术贡献，（†）等于建议。 由Andreas Steiner准备的开源发行版。 注意：此存储库是从分支和修改的。 介绍 在此存储库中，我们从论文 释放模型，这些模型已在 （ imagenet21k ）数据集上进行了预训练。 我们提供用于微调 / 已发布模型的代码。 模型概述：我们将图像分割成固定大小的块，线性地嵌入每个块，添加位置嵌入，然后将所得的矢量序列馈送到标
Vision-Transformer-Keras-Tensorflow-Pytorch-Examples:视觉变压器的Tensorflow实现（图像值得16x16字
05-30
视觉转换器 Keras Tensorflow Pytorch 示例 在介绍的 Vision Transformer (ViT) 的 Tensorflow 实现，作者表明 Transformers 直接应用于图像补丁并在大型数据集上进行了预训练，在图像分类方面效果非常好。 官方文件 官方代码 文章一步一步 视觉转换器 。 Vision Transformer 代码集锦 否 名称 关联 1。 ViT Pytorch (1.9K) :star: 2. 谷歌 Vit 代码（1.3K） :star: 3. 全天下(161) :star: 4. Vit Tensorflow2 5. 视觉转换器 Pytorch(80) :star: 6. 预训练视觉转换器 (70) :star: 7. 视觉转换器TF2(49) :star: 8. 视觉转换器 Tensorflow(62) :star: 9. 带控制激活图的视觉变压器（4
机器视觉包（MMCV）
weixin_43156294的博客
10-27 873
MMCV是一个基于 PyTorch 的图像/视频处理和转换器，支持 Linux、Windows 和 macOS 等系统，是计算机视觉研究人员最常用的包之一，支持 Python 和 C++开发语言。提供了许多图像和视频处理的工具和函数，能够方便地进行数据加载、预处理、模型训练和评估等操作。它还集成了一些常见的计算机视觉算法和模型，方便用户直接使用和修改。MMCV 的设计目标是提供简洁、高效和可扩展的工具，其丰富的功能和高质量的实现能够大大简化计算机视觉任务的开发和实验过程。
利用swin-transformer训练自己的数据集
Qingkaii的博客
03-08 6058
环境：服务器cuda10.2 1.创建虚拟环境,安装pytorch和torchvision conda create -n openmmlab_XXX python=3.7 -y conda activate openmmlab_XXX conda install pytorch==1.6.0 torchvision==0.7.0 cudatoolkit=10.2 -c pytorch 2.安装mmcv pip install mmcv-full -f https://download.op
【Swin Transformer】Win10使用Swin Transformer做目标检测 (使用自己的数据集 + 图解超详细)
零碎@流年絮语 的博客
04-13 9828
mmcv安装 https://github.com/open-mmlab/mmcv 测试代码 python demo/image_demo.py demo/demo.jpg configs/swin/mask_rcnn_swin_tiny_patch4_window7_mstrain_480-800_adamw_3x_coco.py mask_rcnn_swin_tiny_patch4_window7.pth
VisionTransformer
q1540108857的博客
04-21 343
VisionTransformer，这是首次将Transformer引入CV的一篇文章 simple way to achieve SOTA in vision classification with only a single transformer encoder, in Pytorch. Significance is further explained in Yannic Kilcher’s video. There’s really not much to code here, but may a
【pytorch】Vision Transformer实现图像分类+可视化+训练数据保存
热门推荐
Leon的博客
04-30 3万+
一、Vision Transformer介绍 Transformer的核心是 “自注意力” 机制。 论文地址：https://arxiv.org/pdf/2010.11929.pdf 自注意力（self-attention）相比 卷积神经网络 和 循环神经网络 同时具有并行计算和最短的最大路径⻓度这两个优势。因此，使用自注意力来设计深度架构是很有吸引力的。对比之前仍然依赖循环神经网络实现输入表示的自注意力模型 [Cheng et al., 2016,Lin et al., 2017b, Paulus
Pytorvh之Vision Transformer图像分类
风间琉璃的博客
10-11 5841
Vision Transformer（ViT）是将Transformer模型应用于计算机视觉领域的方法，用于图像分类任务。与传统的卷积神经网络（CNN）不同，ViT通过将图像分成==固定大小的图块==(Image Patches)并展平成序列，然后将==序列输入Transformer模型进行处理==。在Transformer中，`Self-Attention结构被用来捕捉序列中不同位置的关联信息`。通过多层的Transformer编码器，ViT能够从输入图像中学习到更高级的特征表示，最终输出图像的类别。
Pytorch之SwinTransformer图像分类
风间琉璃的博客
10-11 5745
`Swin Transformer`(Liu et al., 2021) 是一种基于视觉Transformer的层次化模型。与之前的Vision Transformer相比，Swin Transformer采用了层次化构建方法，使用`不同倍数的下采样`来构建特征图，并在每个窗口内使用`Windows Multi-Head Self-Attention(W-MSA)`进行注意力计算。这种方法既减少了计算量，尤其是在浅层特征图较大时，又能在相邻窗口之间`传递信息`。
Vision Transformer图像分类Python项目源码和数据集下载
资源摘要信息: "基于vision transformer图像分类项目python实现源码+数据集（课设新项目）.zip" 该资源文件提供了一个完整的项目，该项目基于Vision Transformer（ViT）进行图像分类的实现，包括源代码和相应的数据...
评论 6
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值