pytorch_classification

Perkenalan

Fungsi klasifikasi gambar pytorch berdasarkan obor yang diimplementasikan.

Pembaruan terbaru

• Diperbarui 2022.11.05

  • Solusi inferensi TensorRt C ++ yang baru ditambahkan

• Diperbarui pada 2022.10.29, refactoring kode, fungsi dasar pada dasarnya sama.

  • Dukung Pelatihan DDP Pytorch
  • Model penalaran yang mendukung C ++ libtorch
  • Skrip dukungan berjalan dalam satu klik
  • Tambahkan Modul Log

Jika Anda terbiasa dengan versi sebelumnya, silakan lihat kode versi V1: Versi V1.

Fungsi utama:

Menggunakan PyTorch untuk mewujudkan klasifikasi gambar, berdasarkan obor, dapat memperluas jaringan klasifikasi gambar seperti DensityNet, Resnext, MobileNet, EfficientNet, Swin Transformer, dll.

Jika berguna, selamat datang di bintang

Menerapkan fungsi

• Fungsi Dasar menggunakan pytorch untuk mewujudkan klasifikasi gambar
• Termasuk penyesuaian tingkat pembelajaran kosinus dengan pemanasan
• Tingkat pembelajaran langkah pemanasan dioptimalkan
• Prediksi fusi multi-model, pembobotan dan pemungutan suara
• Gunakan Flask + Redis untuk mengimplementasikan Model Cloud API Deployment (Tag V1)
• Model Penyebaran C ++ Libtorch
• Augmentasi untuk prediksi saat menggunakan tta tta (tag v1)
• Menambahkan Pytorch Implementasi Label Smooth (Tag Smoothing) (Tag V1)
• Tambahkan ke Ekstrak Fitur Menggunakan CNN dan Klasifikasi Menggunakan SVM, RF, MLP, KNN dan Classifiers Lainnya (TAG V1).
• Visualisasikan lapisan fitur

Lingkungan berjalan

• Python3.7
• Pytorch 1.8.1
• Torchvision 0.9.1
• OpenCV (Penggunaan Inferensi CPP LIBTORCH, Versi 3.4.6) (Opsional)
• LIBORTCH CPP RENCEPANing Penggunaan (Opsional)

Mulailah dengan cepat

Formulir Dataset

Bentuk organisasi dataset, lihat sampel_files/imgs/listfile.txt

Tes pelatihan

Ubah parameter di run.sh , dan run run.sh secara langsung.

Parameter Modifikasi Utama:

 OUTPUT_PATH 模型保存和log文件的路径

TRAIN_LIST 训练数据集的list文件
VAL_LIST  测试集合的list文件
model_name 默认是resnet50
lr 学习率
epochs 训练总的epoch
batch-size  batch的大小
j dataloader的num_workers的大小
num_classes 类别数

Inferensi libtorch

Kode disimpan di folder cpp_inference .

1. Gunakan cpp_inference/traced_model/trace_model.py untuk mengekspor model terlatih.

2. Kompilasi kode OpenCV dan LIBTORCH yang diperlukan ke cpp_inference/third_party_library

3. Kompilasi

 sh compile.sh

4. Pengujian file yang dapat dieksekusi

 ./bin/imgCls imgpath