Imagenette 项目使用教程

1. 项目目录结构及介绍

imagenette/
├── LICENSE
├── README.md
├── noisy_labels/
│   ├── noisy_imagenette.csv
│   ├── noisy_imagewoof.csv
│   └── noisy_labels.md
├── 2020-01-train.md
└── 2020-01-train/
    ├── tench/
    ├── English_springer/
    ├── cassette_player/
    ├── chain_saw/
    ├── church/
    ├── French_horn/
    ├── garbage_truck/
    ├── gas_pump/
    ├── golf_ball/
    └── parachute/

目录结构说明

• LICENSE: 项目的开源许可证文件。
• README.md: 项目的主要介绍文件，包含项目的基本信息、使用方法和贡献指南。
• noisy_labels/: 包含带有噪声标签的数据集文件，用于实验和研究。
  • noisy_imagenette.csv: Imagenette 数据集的噪声标签文件。
  • noisy_imagewoof.csv: Imagewoof 数据集的噪声标签文件。
  • noisy_labels.md: 噪声标签的详细说明文档。
• 2020-01-train.md: 训练数据集的说明文档。
• 2020-01-train/: 包含 Imagenette 数据集的训练图像文件夹，每个类别一个子文件夹。

2. 项目启动文件介绍

Imagenette 项目本身是一个数据集，因此没有传统的“启动文件”。项目的主要使用方式是通过下载数据集并在机器学习模型中使用。

使用方法

如果你使用的是 fastai 库，可以通过以下命令下载并访问 Imagenette 数据集：

from fastai.data.external import untar_data, URLs

path = untar_data(URLs.IMAGENETTE_160)

path 变量将存储 Imagenette-160 数据集的下载路径。

3. 项目配置文件介绍

Imagenette 项目没有传统的配置文件，因为它主要是一个数据集。项目的配置主要通过数据集的下载和使用方式来体现。

数据集配置

• Imagenette: 包含 10 个容易分类的类别，适合快速实验和算法验证。
• Imagewoof: 包含 10 个狗的品种，分类难度较高。
• Image网: 结合了 Imagenette 和 Imagewoof，增加了一些挑战性的设置，如半监督学习和不平衡分类问题。

噪声标签配置

在 noisy_labels 文件夹中，你可以找到带有噪声标签的数据集文件，这些文件可以用于研究噪声对模型性能的影响。

import pandas as pd

# 读取带有噪声标签的 Imagenette 数据集
noisy_labels = pd.read_csv('noisy_labels/noisy_imagenette.csv')

通过这种方式，你可以加载并使用带有噪声标签的数据集进行实验。