emotion-recognition-neural-networks 项目使用教程

1. 项目目录结构及介绍

emotion-recognition-neural-networks/
├── data/
│   ├── fer2013.csv
│   └── README.md
├── models/
│   ├── __init__.py
│   ├── cnn.py
│   ├── lstm.py
│   └── utils.py
├── notebooks/
│   ├── emotion_recognition.ipynb
│   └── README.md
├── scripts/
│   ├── train.py
│   └── test.py
├── config/
│   ├── config.yaml
│   └── README.md
├── README.md
├── requirements.txt
└── setup.py

目录结构说明

• data/: 存放数据集文件，如 fer2013.csv，以及数据集的说明文件 README.md。
• models/: 存放模型的实现代码，包括卷积神经网络 (cnn.py)、长短期记忆网络 (lstm.py) 以及一些工具函数 (utils.py)。
• notebooks/: 存放 Jupyter Notebook 文件，用于交互式实验和演示，如 emotion_recognition.ipynb。
• scripts/: 存放训练 (train.py) 和测试 (test.py) 脚本。
• config/: 存放项目的配置文件 config.yaml 以及配置文件的说明文件 README.md。
• README.md: 项目的主说明文件。
• requirements.txt: 项目依赖的 Python 包列表。
• setup.py: 项目的安装脚本。

2. 项目的启动文件介绍

训练模型

要启动模型的训练，可以使用 scripts/train.py 脚本。该脚本会根据 config/config.yaml 中的配置进行模型的训练。

python scripts/train.py

测试模型

训练完成后，可以使用 scripts/test.py 脚本来测试模型的性能。

python scripts/test.py

3. 项目的配置文件介绍

config/config.yaml

config.yaml 文件包含了项目的各种配置参数，如数据集路径、模型参数、训练参数等。以下是配置文件的一个示例：

dataset:
  path: "data/fer2013.csv"
  image_size: 48

model:
  type: "cnn"
  num_classes: 7

training:
  batch_size: 64
  epochs: 50
  learning_rate: 0.001

testing:
  batch_size: 64

配置文件说明

• dataset: 数据集相关的配置。
  • path: 数据集文件的路径。
  • image_size: 图像的大小，通常为 48x48。
• model: 模型相关的配置。
  • type: 模型的类型，如 cnn 或 lstm。
  • num_classes: 分类的类别数，本项目为 7 类情绪。
• training: 训练相关的配置。
  • batch_size: 训练时的批量大小。
  • epochs: 训练的轮数。
  • learning_rate: 学习率。
• testing: 测试相关的配置。
  • batch_size: 测试时的批量大小。

通过修改 config.yaml 文件中的参数，可以调整模型的训练和测试行为。