Clothing Classification

这是一个用于服装分类的深度学习项目，使用 PyTorch 实现。

项目结构

clothing-classification/
│
├── dataset.py          # 数据集加载和处理
├── device.py           # 设备选择
├── main.py             # 主程序入口
├── map.py              # 标签映射
├── model.py            # 模型定义
├── test.py             # 测试模型
├── train.py            # 训练模型
└── README.md           # 项目说明

环境依赖

• Python 3.11+
• PyTorch 2.5.1+
• torchvision
• pandas
• Pillow

可以使用以下命令安装依赖：

pip install -r requirements.txt

数据集

本项目使用了一个服装分类数据集：Clothing dataset (full, high resolution)

请将数据集放置在 ./clothing-dataset-full 目录下，数据集应包含以下文件：

• images.csv：包含图像文件名和标签的 CSV 文件
• images_original/：包含图像文件的目录

训练模型

可以使用以下命令训练模型：

python main.py

训练过程中会定期保存 checkpoint 文件 checkpoint.pth.tar，以便在中断后继续训练。

测试模型

训练完成后，模型会自动进行测试，并输出测试集的准确率。

模型保存

训练完成后，模型会自动保存到当前目录，文件名格式为 model_YYYYMMDDHHMMSS.pth。

断点续训

如果训练过程中断，可以通过加载 checkpoint 文件继续训练。checkpoint 文件默认保存路径为 checkpoint.pth.tar。

性能优化

CUDA 加速

如果有可用的 CUDA 设备，项目将自动使用 CUDA 加速。

如果 CUDA 不可用，可能是安装了 CPU 版本的 Pytorch。请考虑按照 指南 重新安装可用于 CUDA 加速的 PyTorch。

MPS

如果有多个 GPU，将自动使用 MPS（Multi-Process Service）来提高性能。

数据集预处理

前往 dataset.py 文件，修改 num_workers、prefech_factor 变量来优化数据集加载性能。具体见代码注释。

直接测试模型

下载模型文件：model

前往 test.py 文件，修改 model_path 变量为模型文件路径，然后运行以下命令：

python test.py