- 准备好pycharm
解释器配置：
参考当前选择
- 推理现有图片
选择代码：15.MMEdu_cls_demo.py
开启推理方法，注释其他
推理的图片，这里用的是相对路径的调用方法，也可以写成绝对路径
绝对路径的地址参考：
D:/XEdu/XEdu示例代码/resources/testrock01-02.png
注意路径中的斜线向左斜
用相对路径的方式，选择了一个现有的模型
使用的是Lenet算法，这是一个适合于灰白图片的算法
第一次开机运行需要较长时间
74%的可能性被识别为rock
- 训练
数据集制作（这里仅展示xedu中已经内置好的数据集的目录格式和制作要求）
先整理好图片，图片大小应当相差不多，全是彩色或者全是黑白
数据集合目录格式
项目名称可以随意，测试集、训练集、验证集、类别文件的名称不可以更改
训练集：用于机器学习
验证集：用于每轮机器学习后验证，这个验证结果决定了下一轮机器学习的参数微调（自动）
测试集：机器学习全部完成后，用验证集验证训练结果
类别文件内部结构
注意要点：
-
- classes.txt和的内容和三个集合的目录名完全相同
- Classes.txt内分类的编号从0开始，本例中paper的编号为0、rock为1、scossors为2，编号不显示出来，但是未来图片推理时都会显示
- 每个分类换一行，没有结束没有空格
分类目录下的内容
本例是一个黑色照片的石头剪刀布，我们可以看到paper（布）下面是各种形态下的布
- 占比
一般来说，训练集：验证集：测试集比例为7:2:1或者8:1:1，完全相同的图片对于机器学习意义不大，反而容易出现过拟合和欠拟合。
开始训练：
解开训练代码
确认好：
数据集目录
保存路径目录
算法
这里石头剪刀布有3个类型
开始训练
注意看日志，目前训练到了第几个批次，一共有10批
- 加载刚训练的模型，进行一次推理，看看效果
推理的图片，可以从数据集目录下面的test_set获得更多图片