Pytorch实现车牌识别——P10周
声明
我的环境
- 语言环境：Python 3.12
- 编译器：Pycharm
- 深度学习环境：
- torch==2.5.1+cu121
- torchvision==0.20.1+cu121
学习总结
- 在之前的案例中，我们多是使用datasets.ImafeFolder函数直接导入已经分类好的数据集形成Dataset，然后使用DataLoader加载Dataset，但是如果对无法分类的数据集，我们如何导入，并进行识别呢？——MyDataset
- 本次试验我们使用MyDataset加载车牌数据集并完成车牌识别
- 本次试验：
- 基础要求：学习并理解本文√已实现
- 拔高要求：对单张车牌进行识别
- 在将字符串数字化的操作中，涉及到One-hot独热编码，其含义为：用一个只有目标类别位置为 1、其余位置全为 0 的向量表示某个字符。
- P10周接触了之前没有接触过的内容，学着稍微吃力一些，不过多做一些作业也许就会好很多，慢慢来吧
- 部分内容的解析都在代码的注释里。
1.设置GPU+获取类别名
2.数据可视化
3.标签数字化
4.加载数据文件
5.划分+打包数据集
6.自建模型
7.编写测试+训练函数
8.正式训练
9.结果分析
