pytorch_classification

Introdução

A função de classificação de imagem Pytorch com base na Torchision implementada.

Atualizações recentes

• Atualizado 2022.11.05

  • Solução de inferência Tensorrt C ++ recém -adicionada

• Atualizado em 2022.10.29, refatoração de código, as funções básicas são basicamente as mesmas.

  • Apoie o treinamento Pytorch DDP
  • Raciocínio de modelo que suporta C ++ Libtorch
  • Suporte scripts em execução em um clique
  • Adicione o módulo de log

Se você estiver acostumado com a versão anterior, consulte o código da versão V1: versão V1.

Funções principais:

Usando o Pytorch para realizar a classificação da imagem, com base na Torchision, ele pode estender redes de classificação de imagens, como Densionador, RESNEXT, MOBILENET, EFIFIFITFYNET, SWIN Transformer, etc.

Se útil, seja bem -vindo ao Star

Implementar funções

• Funções básicas usam pytorch para realizar a classificação da imagem
• Inclui ajuste da taxa de aprendizado de cosseno com aquecimento
• A taxa de aprendizado de etapas de aquecimento é otimizada
• Fusão de fusão, ponderação e votação de fusão de vários modelos
• Use Flask + Redis para implementar o Model Cloud API Deployment (TAG V1)
• Modelo de implantação de C ++ Libtorch
• Aumento da previsão ao usar o teste TTA (tag v1)
• Adicionando a implementação do Pytorch do rótulo Smooth (suavização de tags) (tag v1)
• Adicione aos recursos extrair usando CNN e classificar usando SVM, RF, MLP, KNN e outros classificadores (TAG V1).
• Visualize a camada de recursos

Ambiente de corrida

• Python3.7
• Pytorch 1.8.1
• Torchvision 0.9.1
• OpenCV (uso da inferência Libtorch CPP, versão 3.4.6) (opcional)
• Uso do raciocínio do Libtorch CPP (opcional)

Comece rapidamente

Formulário do conjunto de dados

O formulário da organização do conjunto de dados, consulte Sample_files/imgs/listfile.txt

Teste de treinamento

Modifique os parâmetros em run.sh e run run.sh diretamente.

Principais parâmetros modificados:

 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

inferência de libtorch

O código é armazenado na pasta cpp_inference .

1. Use cpp_inference/traced_model/trace_model.py para exportar o modelo treinado.

2. Compilar o código OpenCV e Libtorch necessário para cpp_inference/third_party_library

3. Compilação

 sh compile.sh

4. Teste de arquivo executável

 ./bin/imgCls imgpath