这是一个用于蝴蝶分类的卷积神经网络设计。经验证，准确率可达到89%.

1. src文件夹下为核心代码文件：

• preprocess.py为数据预处理
• model.py为CNN网络
• train.py为训练脚本
• eval.py为评估脚本
• info.py用于打印模型信息
• cam.py用于生成热力图
• utils.py为工具函数（与模型本身无关）

2. checkpoints文件夹下为训练好的参数权重

3. logs为训练日志

4. outputs为输出：

• 包括混淆矩阵、报告和训练曲线
• 子文件夹cam为热力图

5. pre_data为预处理后的数据保存

6. 原始数据保存在./ButterflyClassificationDataset/ButterflyClassificationDataset

1. 首先确保你的虚拟环境支持，包括一些常用的包，我已经打包在requirements.txt文件中，你可以pip安装，特别注意CUDA支持的pytorch

2. 将原始数据导入指定位置./ButterflyClassificationDataset/ButterflyClassificationDataset或者在配置文件config.yaml中修改“ data:root: ”为你指定的数据集路径。

3. 通过命令行进入项目根目录

4. 进行数据预处理，在命令行输入： python.exe main.py --config config.yaml --mode preprocess 会在根目录下生成pre_data文件夹，分为三个子文件夹train，val，test

5. 模型训练，在命令行输入： python.exe main.py --config config.yaml --mode train

6. 评估 python.exe main.py --config config.yaml --mode eval

7. 热力图 python.exe main.py --config config.yaml --mode cam

8. 模型信息 python.exe main.py --config config.yaml --mode info

9. 主要配置在config.yaml中