一个通用的图像分类模板,天池/CVPR AliProducts挑战赛 8/688🍟
队伍:薯片分类器!
解决方案链接 <这是解决方案链接>
-
Backbone
- ResNet(101)
- ResNeXt(101)
- ResNeSt(101, 200)
- Res2Net(101)
- iResNet(101, 152, 200)
- EffiCientNet(B-5, B-7)
-
优化器
- Adam
- SGD
- Ranger(RAdam+Look Ahead)
-
Scheduler
- Cos
- 自定义scheduler
-
Input Pipeline
- 裁剪和切割
- 随机翻折和旋转
- 随机放大
- 随机色相
- 随机饱和度
- 随机亮度
- Norm_input
-
其他tricks
- label smooth
- model ensemble
- TTA
python >= 3.6
torch >= 1.0
tensorboardX >= 1.6
utils-misc >= 0.0.5
torch-template >= 0.0.4
mscv >= 0.0.3
都是很好装的库,不需要编译。
Code Usage:
Training:
python train.py --tag your_tag --model ResNeSt101 --epochs 20 -b 24 --lr 0.0001 --gpu 0
Finding Best Hyper Params: # 需先设置好sweep.yml
python runx.py --run
Resume Training (or fine-tune):
python train.py --tag your_tag --model ResNeSt101 --epochs 20 -b 24 --load checkpoints/your_tag/9_ResNeSt101.pt --resume --gpu 0
Eval:
python eval.py --model ResNeSt101 -b 96 --load checkpoints/your_tag/9_ResNeSt101.pt --gpu 1
Generate Submission:
python submit.py --model ResNeSt101 --load checkpoints/your_tag/9_ResNeSt101.pt -b 96 --gpu 0
See Running Log:
cat logs/your_tag/log.txt
Clear(delete all files with the tag, BE CAREFUL to use):
python clear.py --tag your_tag
See ALL Running Commands:
cat run_log.txt
-b
参数是batch_size
,可以根据显存的大小调整。
如何添加新的模型:
① 复制network目录下的Default文件夹,改成另外一个名字(比如MyNet)。
② 在network/__init__.py中import你的Model并且在models = {}中添加它。
from MyNet.Model import Model as MyNet
models = {
'default': Default,
'MyNet': MyNet,
}
③ 尝试 python train.py --model MyNet --debug 看能否成功运行