目标分类训练
功能介绍：目标分类训练利用标注好的图像数据训练分类模型，通过调整训练参数，使模型能够准确地对新的图像进行分类。
操作步骤：
进入训练界面：在平台主界面中，找到并点击目标分类训练功能入口，进入训练界面。界面主要分为设置区和命令区，设置区的参数设置与目标检测训练类似。
设置训练参数：在设置区，设置各项训练参数，包括迭代次数、批量大小、图像大小、等待轮数、初始学习率、是否保存模型权重、保存模型权重周期、训练设备（和目标检测一样，暂时只支持CPU）、工作线程数、优化器类型等。具体设置方法和参数含义与目标检测训练相同。
选择模型文件和数据集路径：点击相应的按钮，选择预训练模型文件（一般是models目录下的yolo8n-cls.pt 文件）和数据集路径（要训练的数据分类数据集根目录），选择后文件路径将显示在对应的主界面中。
开始训练：设置好所有参数后，点击命令区的“训练”按钮，系统会开始训练模型。训练过程和结果显示与目标检测训练相似，训练结束后会在控制台区显示相关的训练指标。
后置过程：在控制台区的窗口的最后两行中找到Results saved to 的目录，在资源管理器打开，并找到其子目录weights，将best.pt拷贝到models目录下，并将文件名改名为数据集的名称，为将来预测做准备
目标分类训练界面代码层级关系
plaintext
- ClassficationTrainingUI (类)
- __init__ (方法): 类的初始化方法
- ui_init (方法): 初始化用户界面
- create_control_area (方法): 创建控制区域
- create_setting_area (方法): 创建设置区域
- create_command_area (方法): 创建命令区域
- select_model (方法): 选择模型
- select_data (方法): 选择数据
- start_training (方法): 开始训练
- train_model (方法): 训练模型
- get_int_value (方法): 获取整数值
- get_float_value (方法): 获取浮点数值
- parse_and_display_output (方法): 解析并显示输出
- update_console (方法): 更新控制台
- plot_metrics (方法): 绘制指标图表
- list_sorted_by_mtime (函数): 按修改时间对目录下的文件和目录进行排序并列出
目标分类训练界面功能描述
- ClassficationTrainingUI (类)
：这是一个继承自 QWidget
的类，用于创建一个对象分类训练的用户界面。 *init(方法)*：类的初始化方法，通常用于设置对象的初始状态。 - ui_init (方法)
：初始化用户界面，可能包括布局设置、控件添加等操作。 - create_control_area (方法)
：创建控制区域，可能包含一些控制训练过程的按钮或选项。 - create_setting_area (方法)
：创建设置区域，用于设置训练的相关参数。 - create_command_area (方法)
：创建命令区域，可能包含执行训练命令的按钮等。 - select_model (方法)
：提供选择模型的功能，可能会弹出文件选择对话框让用户选择模型文件。 - select_data (方法)
：提供选择数据的功能，可能会弹出文件选择对话框让用户选择训练数据文件。 - start_training (方法)
：启动训练过程，可能会调用 train_model
方法。 - train_model (方法)
：实际执行模型训练的方法。 - get_int_value (方法)
：从输入框中获取整数值，如果输入无效则使用默认值。 - get_float_value (方法)
：从输入框中获取浮点数值，如果输入无效则使用默认值。 - parse_and_display_output (方法)
：解析训练过程的输出并显示在界面上。 - update_console (方法)
：更新控制台的显示内容。 - plot_metrics (方法)
：绘制训练过程中的指标图表，如准确率、损失值等。 - list_sorted_by_mtime (函数)
：获取指定目录下所有文件和目录的名称，并按修改时间进行排序。
最后欢迎关注公众号：python与大数据分析
