一、MMEdu离线版的使用

1.双击XEdu v1.0.exe解压缩到某个盘，会是一个文件夹XEdu
2.进入XEdu，双击运行“点我初始化.bat”，等待至运行结束命令提示符窗口自动关闭
3.双击运行“jupyter编辑器.bat”，将会打开一个网页版jupyter，选择进入demo文件夹
4.选择“MMEdu_cls_demo.py”可以看教程（后半部）
5.或新建一个文件，放入以下两种中的一种去训练模型
6.运行

基于预训练模型继续训练

from MMEdu import MMClassification as cls
##实例化模型
model=cls('LeNet')
##配置基本信息
model.num_classes=2 #图片分类的类别数量
model.load_dataset(path='D:/XEdu/dataset/cls/cats_dogs')#数据集的路径
model.save_fold='D:/XEdu/checkpoints/cls_model/cats_dogs_continue'#新模型保存的路径
checkpoint='D:/XEdu/checkpoints/cls_model/cats_dogs/latest.pth'#预训练模型的权重文件
##开始继续训练
#epochs训练的轮次，validate=True表示每轮(每个epoch)训练后，在验证集val_set上测试一次准确率
model.train(epochs=30,validate=True,checkpoint=checkpoint)
#生成***.log.json日志文件中参数：学习率lr，所用时间time，损失loss，以及准确率accuracy_top-1
#生成权重文件epoch_x.pth和一个best_accuracy_top-1权重文件，best_accuracy_top-1权重文件即目前为止准确率最高的权重。

从零开始训练新模型

##导入图像分类模块
from MMEdu import MMClassification as cls
##实例化模型
model=cls('LeNet')
##配置基本信息
model.num_classes=2
model.load_dataset(path='D:/XEdu/dataset/cls/cats_dogs')
model.save_fold='D:/XEdu/checkpoints/cls_model/cats_dogs_new'
##开始训练模型
model.train(epochs=30,lr=0.01,validate=True)#30轮后检测一下，lr表示学习率