[日常填坑]图像分类实战（二）-针对某一数据集输出top1或者top3的test.csv（已经训练好的网络模型）

1-1. 上传网络模型.ckpt和项目源码ai.zip

网路模型.ckpt：使用pscp/psftp上传

ai.zip：使用pscp/psftp上传，再使用unzip命令解压

 

1-2. 下载并数据集（如image_scene_test）

方法一：在Ubuntu服务器上wget 链接下载

方法二：先把数据集下载到本地，再pscp/psftp传送到Ubuntu服务器

pscp 本地文件的地址 ubuntu@ip:/服务器存放文件的地址

psftp>>open ubuntu@ip

psftp>>put 本地文件的地址（会传到/homeubuntu/也就是~下）

 

2. 针对改数据集输出top3的test.csv
# 组织测试数据，将所有的测试图片（数据集image_scene_test）放到同一个文件夹下

# 更改./config.py中test_path为该文件夹地址，形如'/home/ubuntu/image_scene_test'。更改phase为 'test'

# 将./utils/test.py最后一行改为 writer.writerow([name, top3[0], top3[1], top3[2]])

# 创建test_result.csv文件，并在文件的第一行加上 FILE_ID,CATEGORY_ID0,CATEGORY_ID1,CATEGORY_ID2 然后保存

# 更改./config.py中test_csv 为上述test_result.csv地址

# 更改./config.py中ckpt_path 为上述网络模型.ckpt地址

# 在项目根目录下运行 python main.py

注意：获取csv文件（注意将csv格式设置正确，最好为utf-8）。每张图片最有可能的3个分类的ID，按置信度降序排列

 

----

top1

1 更改./config.py中test_path为该文件夹地址，形如'/home/ubuntu/test'。更改phase为 'test'

2 将./utils/test.py最后一行改为 writer.writerow([name, top1[0]]

3 创建test_result.csv文件，并在文件的第一行加上 FILE_ID,CATEGORY_ID0然后保存

4 更改./config.py中test_csv 为上述test_result.csv地址

5 更改./config.py中ckpt_path 为上述网络模型.ckpt地址

6 在项目根目录下运行 python main.py