代码使用简介

1. 下载好数据集，下载地址:【超级会员V5】通过百度网盘分享的文件：swdata.z… 链接:https://pan.baidu.com/s/13py_RjUj0MotVWytEm1i2Q?pwd=8kzg  提取码:8kzg 复制这段内容打开「百度网盘APP 即可获取」(建议自己制作数据集)
2. 在train.py脚本中将--data-path设置成解压后的swdatasets文件夹绝对路径
3. 下载预训练权重，根据自己使用的模型下载对应预训练权重: https://pan.baidu.com/s/1ouX0UmjCsmSx3ZrqXbowjw 密码: 090i
4. 在train.py脚本中将--weights参数设成下载好的预训练权重路径
5. 设置好数据集的路径--data-path以及预训练权重的路径--weights就能使用train.py脚本开始训练了(训练过程中会自动生成class_indices.json文件)
6. 在predict.py脚本中导入和训练脚本中同样的模型，并将model_weight_path设置成训练好的模型权重路径(默认保存在weights文件夹下)
7. 在predict.py脚本中将img_path设置成你自己需要预测的图片绝对路径
8. 设置好权重路径model_weight_path和预测的图片路径img_path就能使用predict.py脚本进行预测了
9. 如果要使用自己的数据集，请按照花分类数据集的文件结构进行摆放(即一个类别对应一个文件夹)，并且将训练以及预测脚本中的num_classes设置成你自己数据的类别数

封装接口

• 模型训练完成过后，按照如下方式封装成接口，供移动端调用。
• 具体代码参考server.py

1. 添加 Flask 相关代码：
   • 使用 Flask 创建一个服务端。
   • 将识别功能放在 /recognize 路由中。
2. 修改循环机制：
   • 将任务检查和处理逻辑移到 Flask 路由的处理函数中。
   • 在 recognize 函数中，原本无限循环的逻辑可以在 Flask 的处理函数中实现（为了演示方便，保留了循环逻辑）。
3. 启动 Flask 应用：
   • 修改 if __name__ == '__main__': 部分，启动 Flask 应用。

使用说明

1. 启动 Flask 应用：

   python3 server.py
   

   该应用将运行在 0.0.0.0 的 5000 端口。

2. 发送请求： 您可以通过 HTTP POST 请求访问 http://localhost:5000/recognize 来启动识别任务。