Pytorch Project Templateダウンロード-Pytorch Pytorch Project Templateソースコードダウンロード

Pytorch Project Template

パイソン

1.0.0

ダウンロード

Pytorch Projectテンプレートは、次のツールによって後援されています。見て、無料のトライアルにサインアップすることで私たちをサポートするのを手伝ってください

Pytorchプロジェクトテンプレート

Pytorchプロジェクトをスマートな方法で実装します。

画像セグメンテーション、オブジェクト分類、GAN、および補強学習の例を備えたPytorchプロジェクトのスケーラブルなテンプレート。

ディープラーニングプロジェクトの性質を考えると、プロジェクト構造やコードモジュール性について多くのことを考える機会はありません。さまざまなディープラーニングプロジェクトと協力し、ファイルの組織とコードの繰り返しに関する問題に直面した後、Pytorchプロジェクトに対応するためのモジュール式プロジェクト構造を考え出しました。また、コミュニティが構築するためのさまざまなPytorchモデルのベースを提供したかったのです。

これはヘイガーラディとモーメンアブデルラゼクの共同作業です

なぜこのテンプレート？

Pytorchプロジェクトのベースラインを提案して、モデルの実装に焦点を合わせる時間を得る時間を取得し、残りを処理します。このアプローチの斬新さは次のとおりです。

それぞれにテンプレートファイルを使用して、スケーラブルなプロジェクト構造を提供します。
特定の問題に関連するすべてのハイパーパラメーターを処理する構成ファイルの使用法を導入します。
テンプレート内のさまざまな問題の例を埋め込みます。ここでは、構成ファイル名に単一の変更でそれらのいずれかを独立して実行できます。
あなたを始めるためのチュートリアル。

チュートリアル：

私たちはあなたの開始を得るための一連のチュートリアルを提供しています

開始チュートリアル：プロジェクトを開始するための主な手順に関するガイドを提供します。
MNISTチュートリアル：ここでは、MNISTに関する既に実装されているNNモデルを取り、テンプレート構造に適応します。

貢献：

このテンプレートは、よく知られているPytorchディープラーニングモデルの多くのバリエーションの中心的な場所になりたいと考えています。
私たちはこれを実現するコミュニティからの貢献を歓迎しているので、私たちは人々にPytorchモデルをテンプレートに追加するように促します。
また、このプロジェクトで使用されているクラスデザインパターンに関する提案された変更や議論を歓迎しています。

テンプレートクラス図：

alt text

参照されたレポス：

ERFNET：パスカルVOCで訓練されたセマンティックセグメンテーションのモデル
DCGAN：セレバデータセットで実行される深い畳み込み生成逆境ネットワーク。
conscensenet：cifar10データセットでトレーニングされた画像分類のモデル
DQN：Cartpole-V0でテストされた補強学習の例であるディープQネットワークモデル
RECAE：時系列の異常検出用の再発ニューラルネットワークベースの自動エンコーダー、ECG5000データセットで実行

リポジトリの移行概要：

DCGANから始めて、そのカスタム構成をJSONファイルに追加しました。 DCGANには発電機モデルと識別子モデルの両方があるため、単一のモデルファイルがありません。
次に、consconsenetを追加しました。ここでは、モデルフォルダー内にカスタムブロックフォルダーを作成して、モデル内のカスタムレイヤーの定義を含める必要がありました。
その後、環境に関連するすべてのクラスがUTILに追加されたDQNプロジェクトを追加しました。また、アクション選択とモデルの最適化をトレーニングエージェントに追加しました。
ERFNETは、テンプレートに参加する最後の例でした。エージェント、モデル、およびUTILは、競合なしでフォルダーに追加されています。

これは、提案されたプロジェクト構造がさまざまな問題と互換性があり、それらのいずれかに関連するすべてのバリエーションを処理できるようにするためです。

レポ構造：

すべての例を追加した後、レポには次の構造があります。

 ├── agents
|  └── dcgan.py
|  └── condensenet.py
|  └── mnist.py
|  └── dqn.py
|  └── example.py
|  └── base.py
|  └── erfnet.py
|
├── configs
|  └── dcgan_exp_0.py
|  └── condensenet_exp_0.py
|  └── mnist_exp_0.py
|  └── dqn_exp_0.py
|  └── example_exp_0.py
|  └── erfnet_exp_0.py
|
├── data
|
├── datasets
|  └── cifar10.py
|  └── celebA.py
|  └── mnist.py
|  └── example.py
|  └── voc2012.py
|
├── experiments
|
├── graphs
|  └── models
|  |  └── custome_layers
|  |  |  └── denseblock.py
|  |  |  └── layers.py
|  |  |
|  |  └── dcgan_discriminator.py
|  |  └── dcgan_generator.py
|  |  └── erfnet.py
|  |  └── erfnet_imagenet.py
|  |  └── condensenet.py
|  |  └── mnist.py
|  |  └── dqn.py
|  |  └── example.py
|  |
|  └── losses
|  |  └── loss.py
|
├── pretrained_weights
|
├── tutorials
|
├── utils
|  └── assets
|
├── main.py
└── run.sh

要件：

 easydict==1.7
graphviz==0.8.4
gym==0.10.5
imageio==2.3.0
matplotlib==2.2.2
numpy==1.14.5
Pillow==5.2.0
scikit-image==0.14.0
scikit-learn==0.19.1
scipy==1.1.0
tensorboardX==1.2
torch==0.4.0
torchvision==0.2.1
tqdm==4.23.4