Pytorch Project Template下載Pytorch Project Template源代碼下載

Pytorch Project Template

Python

1.0.0

下載

Pytorch項目模板由以下工具贊助；請查看並註冊免費試用，請幫助我們

Pytorch項目模板

以明智的方式實施您的Pytorch項目。

Pytorch項目的可擴展模板，其中包含圖像分割，對象分類，gan和增強學習中的示例。

鑑於深度學習項目的性質，我們沒有機會考慮項目結構或代碼模塊化。在與不同的深度學習項目合作並面臨文件組織和代碼重複問題之後，我們提出了一個模塊化的項目結構，以適應任何Pytorch項目。我們還想為不同的Pytorch模型提供一個基礎，以供社區建立基礎。

這是Hager Rady和Mo'men Abdelrazek之間的共同工作

為什麼這個模板？

我們正在為任何Pytorch項目提供一個基線，以使您快速啟動，您將有時間專注於模型的實現，我們將處理其餘的。這種方法的新穎性在於：

提供一個可擴展的項目結構，並提供每個模板文件。
引入一個配置文件的使用情況，該配置文件處理與某個問題有關的所有超參數。
嵌入模板中各種問題的示例，您可以在其中使用配置文件名中的單個更改獨立運行它們。
教程讓您入門。

教程：

我們正在提供一系列教程來開始您

入門教程：我們在哪里為您的項目開始的主要步驟提供指南。
MNIST教程：在這裡，我們採用已經實現的MNIST模型，並將其調整到我們的模板結構中。

貢獻：

我們希望該模板成為眾所周知的Pytorch深度學習模型的許多變體的中心位置。
我們歡迎社區的任何貢獻，這些貢獻將使這一事實實現，因此我們敦促人們將其Pytorch模型添加到模板中。
我們還歡迎有關該項目中使用的類設計模式的任何建議的更改或討論。

模板類圖：

alt text

引用的存儲庫：

ERFNET：語義細分的模型，接受了Pascal VOC的培訓
DCGAN：深卷積生成的對手網絡，在Celeba數據集上運行。
Condensenet：圖像分類的模型，在CIFAR10數據集上進行培訓
DQN：深Q網絡模型，一個加強學習示例，在Cartpole-V0上測試
RECAE：基於反复神經網絡的自動編碼器，用於時間序列異常檢測，在ECG5000數據集上運行

回購遷移摘要：

我們由DCGAN開始，將其自定義配置添加到JSON文件中。 DCGAN具有發電機和歧視器模型，因此它沒有單個模型文件。
然後，我們添加了Condensenet，在其中有必要在模型文件夾中創建一個自定義塊文件夾，以在模型中包含自定義層的定義。
之後，我們添加了DQN項目，其中與環境相關的所有類都添加到了Utils。我們還將動作選擇和模型優化添加到培訓代理中。
ERFNET是加入模板的最後一個示例。代理，模型和UTIL已添加到其文件夾中，沒有衝突。

這是為了確保我們提出的項目結構與不同的問題兼容，並且可以處理與任何一個相關的所有變化。

回購結構：

添加了所有示例後，回購具有以下結構：

 ├── 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