---
title: plant-classify-resnet50
canonical_url: "https://www.modelscope.cn/models/flowscolors/plant-classify-resnet50"
md_url: "https://www.modelscope.cn/models/flowscolors/plant-classify-resnet50.md"
repository: flowscolors/plant-classify-resnet50
chinese_name: "用于植物分类的ResNet50模型"
last_updated: 2023-10-25
license: "Apache License 2.0"
pipeline_tag: image-classification
tasks:
  - image-classification
library_name:
  - pytorch
frameworks:
  - Pytorch
downloads: 159
stars: 1
---

# plant-classify-resnet50

> plant-classify-resnet50 - flowscolors 在 ModelScope 开源的模型。用于植物分类的ResNet50模型

flowscolors/plant-classify-resnet50 是 ModelScope 魔搭社区上的image-classification模型，采用 Apache License 2.0 许可。

- **Repository**: flowscolors/plant-classify-resnet50
- **License**: Apache License 2.0
- **Tasks**: image-classification
- **Downloads**: 159
- **Stars**: 1
- **Last updated**: 2023-10-25

Source: https://www.modelscope.cn/models/flowscolors/plant-classify-resnet50

---

用于植物分类的ResNet50模型
#### 模型描述
此模型是在plants数据集上进行植物分类任务训练的ResNet50模型。该模型训练了20个轮次（epochs）。

#### 训练
模型的训练学习率为0.1，动量为0.9，权重衰减为1e-4。设置的批处理大小为256。模型使用单个GPU进行训练。

#### 性能
请在此处替换为ResNet18模型在验证/测试数据集上的性能，如准确率、精确度、召回率和F1分数。

#### 使用模型
要使用此模型，使用PyTorch的torch.load()函数加载它，然后在模型上调用.eval()方法：

```python
model = torch.load('pytorch_model.pt')
model.eval()
```
#### Clone with HTTP
```bash
 git clone https://www.modelscope.cn/flowscolors/plant-classify-resnet50.git
```
