经典的CNN网络（VGG16）用于图像分类实战项目：迁移学习中的常见102花分类

简介：
以VGG16网络为基础进行常见花类数据集迁移学习的项目，其中包含代码、数据集以及训练完成的权重文件，用户可以直接使用。 该资源的总体规模为953 MB。本数据集包含以下102个分类：包括columbine、cyclamen、english marigold等，共涵盖102个类别（每个类别提供40至200+张图片）。在解压后，图像文件夹结构如下：训练数据集包含6,552幅图片、测试数据集则包含818幅图片。训练数据集中的每类图片被放置于独立的文件夹中，这些文件夹按其分类名称命名；测试数据集也采用相同的组织方式。 在进行网络训练的过程中，我们采用了余弦（cos）学习率的自动衰减策略，并对模型进行了连续100次完整的循环迭代训练过程。经过测试，在测试集上的最高准确率达到97.4%。实验结果表明，最优模型参数文件完整地存储了包括最优权重和偏差在内的所有必要信息；同时在run_results目录中，我们还保存了详细的训练记录信息以及完整的损失和准确率变化曲线数据等细节内容。进行预测时仅需调用` predict `函数即可完成。该代码会自动生成从` inference `目录中提取的所有图像的推断操作，并对这些图像的概率分布进行排序，选取概率最高的前三类图片放置于左上方位置。建议用户希望建立和维护自己的数据集时，请参考文档。