pytorch应用之——纸币识别（一）

数据集https://pan.baidu.com/s/1oZ4yMlTU3YwnX9KR0huzyQ 提取码：k7bc

我分几个部分跟大家讲解：

1：算法思想（这个很简单）

2：代码详解

一：算法思想

这里数据集一共有39620张，而且背景单一，所以纸币面值的识别不是一个很难的问题。我用resnet18（自己稍微改了一些结构，影响不大）去训练这个数据集，迭代24次可以达到99.96%的精度。但这里要注意resnet不需要用预训练模型，然后resnet的最后的全连接改成number=9（因为数据集的label只有9种）。细节我会在代码中给大家介绍。

二.代码详解

代码部分我主要分以下几点讲解：

1：数据加载预处理

2：model修改

3：train过程。

1.数据加载预处理

class MyDataset(Dataset):
    def __init__(self, path):
        self.filenames = []
        self.labels = []
        tags = {"0.1": 0,
                "0.2": 1,
                "0.5": 2,
                "1": 3,