本文共 778 字，大约阅读时间需要 2 分钟。

一、完成的任务

后端：利用Django框架完成了高光谱分类的后端书写，且导入了训练模型，解决了网页的提交问题，在网页中进行高光谱分类时提交两个mat文件即可完成分类，显示结果为分类后的图像。已经将代码传到服务器供前端使用。

前端：利用 Vue 完成初始界面的编写，通过后端的框架编写，通过服务器完成对接工作。

训练：完成三组图像的训练工作，得到三个数据集的模型；

​ 阅读代码，学习网络架构，思考进一步改进措施。

二、具体项目分工和进度

三、燃尽图

四、例会照片

五、问题

1、在后端进行模型的导入时，因为Mac本的缘故，没有GPU只能使用CPU来进行 pytorch 训练，但是原训练模型代码中torch部分使用GPU来进行训练，所以在使用训练代码时总是报错，后面了解到了torch.load里可以进行相关参数的设定来决定CPU运行：

​ 即model =torch.load(model_path,map_location=‘cpu’)

2、在构建分类网络模型时，因输出格式原因，导致无法成功进行网络的搭建，后面以字典的方式进行调用解决了这一个问题

3、在使用js文件时，js文件总是找不到，查看路径也没有发现问题，后来重新使用了另一个路径解决了这个问题。

六、下一步计划

研读论文，领悟思考网络的算法思想，争取获得更优的训练模型。

七、收获

​ 通过本周学习，对高光谱分类算法的理解更加深刻，在实践中对深度学习框架和学习过程有了更深刻的理解。前后端工作已基本完成，收获到了丰富的修改bug经验，以及学习到了如何将项目部署上服务器，小组成员收获颇丰。

转载地址：https://blog.csdn.net/GROUP_2/article/details/128163990 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！