动物分类识别训练代码及数据集(Pytorch)

此仓库提供了动物分类识别的训练代码及数据集，使用Pytorch框架开发。资源包括一个动物数据集和基于ResNet18模型的分类识别代码，实现了对90种动物的高精度分类。

数据集介绍

本资源包含的动物数据集，适用于深度学习中的图像识别训练。数据集分为两个部分：Animals90和Animals10，分别包含了90种和10种动物的图片，可用于大规模的动物分类识别研究。

• Animals90数据集：在训练集上可达约99%的准确度，在测试集上准确度约为91%。
• Animals10数据集：在训练集上可达约99%的准确度，在测试集上准确度约为96%。

训练代码介绍

提供的训练代码基于ResNet18模型，可在Pytorch环境中运行。此外，代码支持更换骨干网络模型，如googlenet、resnet[183450]、inception_v3、mobilenet_v2等常用模型，以适应不同的性能需求和硬件条件。

注意事项

• 请确保您的Python环境已安装Pytorch库及相关依赖。
• 请按照requirements.txt文件安装所需的库版本，以保证代码的正常运行。
• 仓库中的代码和文档仅供参考学习，未经许可不得用于商业用途。

在开始使用之前，请确保已经详细阅读了相关文档和代码注释，以便更好地理解和应用。