ResNet50 从零手写项目教程

ResNet50 从零手写项目教程

1. 项目目录结构及介绍

本项目旨在完成对 AI 的计算机视觉的入门学习，并通过从零手写 ResNet50 神经网络来深入理解其算法原理和性能优化。项目目录结构如下：

resnet50_zero/
├── 0_gray/
├── 1_RGB/
├── 2_mean_blur/
├── 3_gussian_blur/
├── 4_canny/
├── 5_dajin/
├── 6_minst/
├── practice/
│   ├── model/
│   ├── pics/
│   ├── python/
│   └── cpp/
├── .gitignore
├── LICENSE
├── README.en.md
├── README.md
└── requirements.txt

目录介绍

• 0_gray: 灰度图相关代码。
• 1_RGB: 灰度图与 RGB 转换相关代码。
• 2_mean_blur: 均值滤波相关代码。
• 3_gussian_blur: 高斯滤波相关代码。
• 4_canny: Canny 算法相关代码，用于图像边缘检测。
• 5_dajin: 大津算法相关代码，用于图像分割。
• 6_minst: 手写数字识别项目代码。
• practice: 以 ResNet50 为基础的模型算法手写、模型搭建和相关的主目录。
  • model: 与开源模型相关的文件，包括模型参数的下载和解析。
  • pics: 使用模型识别一张图片时，存放图片的目录。
  • python: 利用 Python 语言手写的 ResNet50 项目。
  • cpp: 利用 C++ 语言手写的 ResNet50 项目。
• .gitignore: Git 忽略文件配置。
• LICENSE: 项目许可证文件。
• README.en.md: 英文版项目介绍。
• README.md: 中文版项目介绍。
• requirements.txt: 项目依赖库配置文件。

2. 项目的启动文件介绍

Python 版本启动文件

在 practice/python 目录下，主要的启动文件是 my_infer.py。该文件负责加载模型并进行推理。

python3 my_infer.py

C++ 版本启动文件

在 practice/cpp 目录下，每个优化版本的目录中都有一个编译脚本 compile.sh 和一个可执行文件 resnet。

bash compile.sh
./resnet

3. 项目的配置文件介绍

依赖库配置文件

• requirements.txt: 该文件位于项目根目录下，列出了项目所需的 Python 依赖库。

pip3 install -r requirements.txt

模型参数配置

在 practice/model 目录下，有一个脚本 resnet50_parser.py，用于解析和保存 ResNet50 模型的参数。

python3 resnet50_parser.py

编译配置

在 practice/cpp 目录下，每个优化版本的目录中都有一个 compile.sh 脚本，用于编译 C++ 代码。

bash compile.sh

通过以上步骤，您可以顺利启动并配置该项目，开始学习和实践 ResNet50 神经网络的从零手写和性能优化。