pytorch_classification

Введение

Функция классификации изображений Pytorch, основанная на реализации Torchision.

Последние обновления

• Обновлено 2022.11.05

  • Недавно добавленное решение для вывода Tensorrt C ++

• Обновлено в 2022.10.29, рефакторинг кода, основные функции в основном одинаковы.

  • Поддержка обучения DDP Pytorch
  • Модель рассуждения, поддерживающая C ++ Libtorch
  • Поддержка сценариев, работающих за один щелчок
  • Добавить журнал модуль

Если вы привыкли к предыдущей версии, см. Код версии V1: V1 версия.

Основные функции:

Использование Pytorch для реализации классификации изображений, основываясь на Torchision, он может расширять сети классификации изображений, такие как DensityNet, Resnext, Mobilenet, EfficipingNet, Sun Transformer и т. Д.

Если полезно, добро пожаловать в звезду

Реализовать функции

• Основные функции используют Pytorch для реализации классификации изображений
• Включает в себя корректировку скорости обучения косинус с разминкой
• Скорость обучения разминки оптимизируется
• Прогноз слияния с мультимоделью, взвешивание и слияние голосования
• Используйте Flask + Redis для реализации развертывания API Model Cloud (TAG V1)
• Модель развертывания C ++ Libtorch
• Увеличение для прогнозирования при использовании теста TTA (TAG V1)
• Добавление реализации Pytorch of Label Smooth (сглаживание тегов) (Tag v1)
• Добавьте к извлечению функций, используя CNN и классифицируйте с помощью SVM, RF, MLP, KNN и других классификаторов (TAG V1).
• Визуализируйте слой функций

Работая среда

• Python3.7
• Pytorch 1.8.1
• TOCLEVISION 0.9.1
• OpenCV (использование вывода Libtorch CPP, версия 3.4.6) (необязательно)
• Использование рассуждений CPP Libtorch CPP (необязательно)

Начните быстро

Форма набора данных

Форма организации набора данных, см. Sample_files/imgs/listfile.txt

Учебный тест

Измените параметры в run.sh , и запустить run.sh напрямую.

Основные модифицированные параметры:

 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

Либертхский вывод

Код хранится в папке cpp_inference .

1. Используйте cpp_inference/tred_model/trace_model.py, чтобы экспортировать обученную модель.

2. Скомпилируйте требуемый код OpenCV и Libtorch с cpp_inference/third_party_library

3. Компиляция

 sh compile.sh

4. Исполняемая файловая тестирование

 ./bin/imgCls imgpath