使用ResNet网络进行十种食物图像分类，基于迁移学习方法训练

1. 更改环境文件freeze.yml中prefix路径，运行

   conda env create -f freeze.yml

   快速创建环境；

2. 进入food_data目录下运行split.py，将数据集划分为训练集和测试集；

3. 训练网络，运行train.py，脚本将在验证集上表现最优的网络resNet34.pth保存在代码目录下；

4. 单张图片预测，运行predict.py，注意修改图片路径；

5. 测试集预测，运行batch_predict.py，将生成result.txt包含对500张图片的预测结果。