pytorch图像分类篇

pytorch图像分类篇是一个使用pytorch实现图像分类的项目。该项目包含了基础功能，例如利用pytorch实现图像分类、带有warmup的cosine学习率调整、warmup的step学习率优调整和添加label smooth的pytorch实现（标签平滑）。此外，项目还包含了可视化特征层的功能。

如果你想使用该项目进行图像分类，你可以在python3.7环境下安装torch 1.9.0 cu111和torchvision 0.10.0 cu111。你可以在github上找到该项目的源代码地址：https://github.com/yanyide123/picture_classification_pytorch。

关于如何运行该项目，你可以在draw_image文件夹中找到tsne.py程序，直接运行该程序即可。该程序与petrolem_dataset.py和resnet.py相关联。petrolem_dataset.py用于设置对应分类类别的颜色，按照自己的标签进行设置。resnet.py则是用于图片映射使用的网络，该项目中使用的是resNet101网络。你还可以参考以下链接了解更多关于t-SNE的特征可视化和UMAP的使用方法：

- https://learnopencv.com/t-sne-for-feature-visualization/
- https://umap-learn.readthedocs.io/en/latest/basic_usage.html

如果你有其他