Pytorch Project Template

Шаблон проекта Pytorch спонсируется следующим инструментом; Пожалуйста, помогите поддержать нас, посмотрев и записавшись на бесплатную пробную версию

Шаблон проекта Pytorch

Реализуйте свой Pytorch Projects Smart Way.

Масштабируемый шаблон для проектов Pytorch, с примерами сегментации изображений, классификации объектов, обучения GANS и Atreforment.

Учитывая природу проектов глубокого обучения, у нас нет возможности много думать о структуре проекта или модульности кода. После работы с различными проектами глубокого обучения и столкновения с проблемами с организацией файлов и повторением кода, мы разработали модульную структуру проекта для размещения любого проекта Pytorch. Мы также хотели предоставить базу для различных моделей Pytorch для развития сообщества .

Это совместная работа между Хагером Ради и Момен Абдельразек

Оглавление:

• Шаблон проекта Pytorch
  • Почему этот шаблон?
  • Учебные пособия
  • Вклад
  • Шаблон классовая диаграмма
  • Ссылки на репо
  • Резюме миграции репо
  • Шаблон репо -структура
  • Требования
  • Будущая работа
  • Лицензия

Почему этот шаблон?

Мы предлагаем базовую линию для любого проекта Pytorch, чтобы дать вам быстрый старт, где вы получите время, чтобы сосредоточиться на реализации вашей модели, и мы справимся с остальными. Новизна этого подхода заключается в:

• Предоставление масштабируемой структуры проекта , с файлом шаблона для каждого.
• Внедрение использования файла конфигурации, который обрабатывает все гиперпараметры, связанные с определенной проблемой.
• Примеры встраивания из различных проблем внутри шаблона, где вы можете запустить любой из них независимо с одним изменением в имени файла конфигурации.
• Учебные пособия , чтобы вы начали.

Учебные пособия:

Мы предоставляем серию учебных пособий, чтобы начать

• Учебное пособие по началу работы: где мы предоставляем руководство по основным шагам, чтобы начать работу по вашему проекту.
• Учебник MNIST: Здесь мы берем уже реализованную модель NN на MNIST и адаптируем ее к нашей структуре шаблона.

Вклад:

• Мы хотим, чтобы этот шаблон стал центральным местом для многих вариаций хорошо известных моделей глубокого обучения Pytorch.
• Мы приветствуем любой вклад сообщества, который это сбытся, поэтому мы призываем людей добавить свои модели Pytorch в шаблон.
• Мы также приветствуем любые предлагаемые изменения или дискуссии о шаблоне дизайна класса, используемом в этом проекте.

Схема класса шаблона:

Ссылки на репо:

1. Erfnet: модель для семантической сегментации , обученная Pascal Voc
2. DCGAN: Глубокие сверточные генеративные неверные сети , запускаются в наборе данных Celeba.
3. CondendeneTet: модель для классификации изображений , обученная набору данных CIFAR10
4. DQN: модель сети Deep Q, пример обучения подкрепления , протестированный на Cartpole-V0
5. Recae: Autoencoder на основе рецидивирующих нейронных сетей для обнаружения аномалий временных рядов , запустите на наборе данных ECG5000

Резюме миграции репо:

1. Мы начали с DCGAN, добавив его пользовательские конфигурации в файл JSON. DCGAN имеет как генератор, так и модель дискриминатора, поэтому у него нет единого модельного файла.
2. Затем мы добавили Condensenetet, где необходимо создать папку пользовательских блоков в папке моделей, чтобы включить определения для пользовательских слоев в модели.
3. После этого мы добавили проект DQN, где все классы, связанные с окружающей средой, были добавлены в UTIL. Мы также добавили выбор действия и оптимизацию модели в учебный агент.
4. Erfnet был последним примером, чтобы присоединиться к шаблону; Агент, модель и UTIL были добавлены в их папки без конфликтов.

Это означает, что предлагаемая наша структура проекта совместима с различными проблемами и может справиться со всеми вариациями, связанными с любым из них.

Структура репо:

После добавления всех наших примеров, репо имеет следующую структуру:

 ├── 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

Требования:

 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

Будущая работа:

Мы планируем добавить больше примеров в наш шаблон, чтобы включить различные категории проблем. Далее мы собираемся включить следующее:

• Mobilenetv2
• Визуальное взаимодействие-сети-пирожки
• Вариационно-аутоэкодер-питор

Лицензия:

Этот проект лицензирован по лицензии MIT - для получения подробной информации см. Файл лицензии.