Pytorch Project Template下载Pytorch Project Template源代码下载

Pytorch Project Template

Python

1.0.0

下载

Pytorch项目模板由以下工具赞助；请查看并注册免费试用，请帮助我们

Pytorch项目模板

以明智的方式实施您的Pytorch项目。

Pytorch项目的可扩展模板，其中包含图像分割，对象分类，gan和增强学习中的示例。

鉴于深度学习项目的性质，我们没有机会考虑项目结构或代码模块化。在与不同的深度学习项目合作并面临文件组织和代码重复问题之后，我们提出了一个模块化的项目结构，以适应任何Pytorch项目。我们还想为不同的Pytorch模型提供一个基础，以供社区建立基础。

这是Hager Rady和Mo'men Abdelrazek之间的共同工作

为什么这个模板？

我们正在为任何Pytorch项目提供一个基线，以使您快速启动，您将有时间专注于模型的实现，我们将处理其余的。这种方法的新颖性在于：

提供一个可扩展的项目结构，并提供每个模板文件。
引入一个配置文件的使用情况，该配置文件处理与某个问题有关的所有超参数。
嵌入模板中各种问题的示例，您可以在其中使用配置文件名中的单个更改独立运行它们。
教程让您入门。

教程：

我们正在提供一系列教程来开始您

入门教程：我们在哪里为您的项目开始的主要步骤提供指南。
MNIST教程：在这里，我们采用已经实现的MNIST模型，并将其调整到我们的模板结构中。

贡献：

我们希望该模板成为众所周知的Pytorch深度学习模型的许多变体的中心位置。
我们欢迎社区的任何贡献，这些贡献将使这一事实实现，因此我们敦促人们将其Pytorch模型添加到模板中。
我们还欢迎有关该项目中使用的类设计模式的任何建议的更改或讨论。

模板类图：

alt text

引用的存储库：

ERFNET：语义细分的模型，接受了Pascal VOC的培训
DCGAN：深卷积生成的对手网络，在Celeba数据集上运行。
Condensenet：图像分类的模型，在CIFAR10数据集上进行培训
DQN：深Q网络模型，一个加强学习示例，在Cartpole-V0上测试
RECAE：基于反复神经网络的自动编码器，用于时间序列异常检测，在ECG5000数据集上运行

回购迁移摘要：

我们由DCGAN开始，将其自定义配置添加到JSON文件中。 DCGAN具有发电机和歧视器模型，因此它没有单个模型文件。
然后，我们添加了Condensenet，在其中有必要在模型文件夹中创建一个自定义块文件夹，以在模型中包含自定义层的定义。
之后，我们添加了DQN项目，其中与环境相关的所有类都添加到了Utils。我们还将动作选择和模型优化添加到培训代理中。
ERFNET是加入模板的最后一个示例。代理，模型和UTIL已添加到其文件夹中，没有冲突。

这是为了确保我们提出的项目结构与不同的问题兼容，并且可以处理与任何一个相关的所有变化。

回购结构：

添加了所有示例后，回购具有以下结构：

 ├── 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

要求：

 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