Pytorch Project Template 다운로드 -Pytorch Pytorch Project Template 소스 코드 다운로드

Pytorch Project Template

파이썬

1.0.0

다운로드

Pytorch 프로젝트 템플릿은 다음 도구로 후원됩니다. 살펴보고 무료 평가판에 가입하여 우리를 지원하도록 도와주세요.

Pytorch 프로젝트 템플릿

Pytorch 프로젝트를 현명한 방법으로 구현하십시오.

이미지 세분화, 객체 분류, GAN 및 강화 학습의 예제가 포함 된 Pytorch 프로젝트를위한 확장 가능한 템플릿 .

딥 러닝 프로젝트의 특성을 감안할 때 프로젝트 구조 또는 코드 모듈성에 대해 많이 생각할 기회는 없습니다. 다양한 딥 러닝 프로젝트와 함께 일하고 파일 조직 및 코드 반복 문제에 직면 한 후, 우리는 모든 Pytorch 프로젝트를 수용 할 수있는 모듈 식 프로젝트 구조를 제시했습니다. 또한 커뮤니티가 구축 할 수있는 다양한 Pytorch 모델의 기반을 제공하고 싶었습니다.

이것은 Hager Rady와 Mo'men Abdelrazek 사이의 공동 작업입니다.

왜이 템플릿인가?

우리는 모든 Pytorch 프로젝트의 기준을 제안하여 빠른 시작을 제공합니다. 여기서 모델 구현에 집중할 시간을 얻을 수 있으며 나머지를 처리 할 것입니다. 이 접근법의 참신함은 다음과 같습니다.

각각의 템플릿 파일과 함께 확장 가능한 프로젝트 구조를 제공합니다.
특정 문제와 관련된 모든 하이퍼 파라미터를 처리하는 구성 파일 사용을 소개합니다.
구성 파일 이름의 단일 변경 으로 독립적으로 실행할 수있는 템플릿 내부의 다양한 문제에서 예제를 포함시킵니다.
시작하기위한 튜토리얼 .

튜토리얼 :

우리는 당신의 시작을위한 일련의 튜토리얼을 제공하고 있습니다.

시작하기 튜토리얼 : 프로젝트를 시작하기위한 주요 단계에 대한 안내서를 제공합니다.
MNIST 튜토리얼 : 여기서는 이미 구현 된 NN 모델을 MNIST에 가져 와서 템플릿 구조에 적용합니다.

기부금:

우리는이 템플릿이 잘 알려진 Pytorch 딥 러닝 모델의 많은 변형의 중심 장소가 되기를 원합니다.
우리는 커뮤니티의 기여를 환영하여 사람들이 Pytorch 모델을 템플릿에 추가 할 것을 촉구합니다.
우리는 또한이 프로젝트에 사용 된 클래스 디자인 패턴에 대한 제안 된 변경 또는 토론을 환영합니다.

템플릿 클래스 다이어그램 :

alt text

참조 리포지토리 :

Erfnet : 파스칼 VOC에서 훈련 된 시맨틱 세분화 모델
DCGAN : 심층 컨볼 루션 생성 부적 네트워크 , Celeba 데이터 세트에서 실행됩니다.
Condensenet : CIFAR10 데이터 세트에서 교육 된 이미지 분류 모델
DQN : Cartpole-V0에서 테스트 된 강화 학습 예인 Deep Q 네트워크 모델
RECAE : 시계열 분석을위한 재발 신경 네트워크 기반 자동 인코딩, ECG5000 데이터 세트에서 실행됩니다.

저장소 마이그레이션 요약 :

우리는 DCGAN에 의해 시작하여 JSON 파일에 사용자 정의 구성을 추가했습니다. DCGAN에는 생성기 및 식별기 모델이 모두있어 단일 모델 파일이 없습니다.
그런 다음 CondenseNet을 추가하여 모델 폴더 내부에 사용자 정의 블록 폴더를 만들어 모델 내에 사용자 정의 레이어에 대한 정의를 포함해야했습니다.
그 후, 우리는 환경과 관련된 모든 클래스가 Utils에 추가 된 DQN 프로젝트를 추가했습니다. 또한 작업 선택 및 모델 최적화를 교육 에이전트에 추가했습니다.
Erfnet은 템플릿에 합류 한 마지막 예입니다. 에이전트, 모델 및 UTIL은 충돌없이 폴더에 추가되었습니다.

이는 제안 된 프로젝트 구조가 다른 문제와 호환되며 이와 관련된 모든 변형을 처리 할 수 있도록하기위한 것입니다.

리포 구조 :

모든 예제를 추가 한 후 리포에는 다음과 같은 구조가 있습니다.

 ├── 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

요구 사항 :

 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