Pytorch Project Template
1.0.0
เทมเพลตโครงการ Pytorch ได้รับการสนับสนุนจากเครื่องมือต่อไปนี้ โปรดช่วยสนับสนุนเราโดยการดูและสมัครใช้งานการทดลองใช้ฟรีฟรี
ใช้ Pytorch Project ของคุณด้วยวิธีที่ชาญฉลาด
เทมเพลตที่ปรับขนาดได้ สำหรับโครงการ Pytorch พร้อมตัวอย่างในการแบ่งส่วนภาพการจำแนกวัตถุ GANS และการเรียนรู้การเสริมแรง
เมื่อพิจารณาถึงลักษณะของโครงการการเรียนรู้เชิงลึกเราไม่ได้รับโอกาสคิดเกี่ยวกับโครงสร้างโครงการหรือรหัสโมดูล หลังจากทำงานกับโครงการเรียนรู้เชิงลึกที่แตกต่างกันและเผชิญกับปัญหาเกี่ยวกับองค์กรไฟล์และการทำซ้ำรหัสเราได้มาพร้อมกับ โครงสร้างโครงการแบบแยกส่วน เพื่อรองรับโครงการ Pytorch นอกจากนี้เรายังต้องการจัดหา ฐานสำหรับโมเดล Pytorch ที่แตกต่างกันเพื่อให้ชุมชน สร้างขึ้น
นี่คืองานร่วมกันระหว่าง Hager Rady และ Mo'Men Abdelrazek
เรากำลังเสนอ พื้นฐาน สำหรับโครงการ Pytorch ใด ๆ เพื่อให้คุณเริ่มต้นได้อย่างรวดเร็วซึ่งคุณจะได้รับเวลาในการมุ่งเน้นไปที่การใช้งานโมเดลของคุณและเราจะจัดการส่วนที่เหลือ ความแปลกใหม่ของวิธีการนี้อยู่ใน:
เรากำลังจัดเตรียมชุดของการสอนเพื่อเริ่มต้นของคุณ
นี่คือเพื่อให้แน่ใจว่าโครงสร้างโครงการที่เราเสนอนั้นเข้ากันได้กับปัญหาที่แตกต่างกันและสามารถจัดการกับความหลากหลายที่เกี่ยวข้องกับสิ่งใดก็ได้
หลังจากเพิ่มตัวอย่างทั้งหมดของเรา repo มีโครงสร้างดังต่อไปนี้:
├── 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
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
เรากำลังวางแผนที่จะเพิ่มตัวอย่างเพิ่มเติมลงในเทมเพลตของเราเพื่อรวมปัญหาประเภทต่างๆ ต่อไปเราจะรวมสิ่งต่อไปนี้:
โครงการนี้ได้รับใบอนุญาตภายใต้ใบอนุญาต MIT - ดูไฟล์ใบอนุญาตสำหรับรายละเอียด
