图像分类残差网络-pytorch实现

基于残差网络的训练模型，准确率可以达到99%，测试集有86%

import mxnet as mx

r = 0 # r mean
g = 0 # g mean
b = 0 # b mean
r_2 = 0 # r^2
g_2 = 0 # g^2
b_2 = 0 # b^2
total = 0

import os
img_path = “./image/train“
img_list = os.listdir（img_path）

for img_name in img_list:
    img = mx.image.imread（img_path + “/“ + img_name） # ndarray width x height x 3
    img = img.astype（‘float32‘） / 255.
    total += img.shape[0] * img.shape[1]

    r += img[: : 0].sum（）.asscalar（）
    g += img[: : 1].sum（）.asscalar（）
    b += img[: : 2].sum（）.asscalar（）

    r_2 += （img[: : 0]**2）.sum（）.asscalar（）
    g_2 += （img[: : 1]**2）.sum（）.asscalar（）
    b_2 += （img[: : 2]**2）.sum（）.asscalar（）

r_mean = r / total
g_mean = g / total
b_mean = b / total
r_var = r_2 / total - r_mean ** 2
g_var = g_2 / total - g_mean ** 2
b_var = b_2 / total - b_mean ** 2

print（“[“r_mean““g_mean““b_mean“]“）

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        3338  2019-01-15 04:09  resnet.py
     文件        1469  2019-01-18 22:34  test.py
     文件        4985  2019-01-18 21:45  train.py
     文件         872  2019-01-15 02:46  avg_data.py