前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >[pytorch] PyTorch图像分类框架(支持多种主流分类模型)

[pytorch] PyTorch图像分类框架(支持多种主流分类模型)

作者头像
MachineLP
发布2020-10-29 10:24:29
1.9K0
发布2020-10-29 10:24:29
举报
文章被收录于专栏:小鹏的专栏

Git Repo:https://github.com/MachineLP/PyTorch_image_classifier

CV 训练/测试/部署分类任务

| *** | 具体 | 样例 |

| :-----------------: | :---------? :---------?

| 模型方面 | (efficientnet/resnest/seresnext等) | 1 |

| 数据增强 | (旋转/镜像/对比度等、mixup/cutmix) | 2 |

| 损失函数 | (交叉熵/focal_loss等) | 3|

| 模型部署 | (flask/grpc/BentoML等) | [4] (https://github.com/MachineLP/PyTorch_image_classifier/tree/master/serving)|

| onnx/trt | () | 5 |

支持的全部模型:

RESNEST_LIST = [“resnest50”, “resnest101”, “resnest200”, “resnest269”]

SERESNEXT_LIST = [‘seresnext101’]

GEFFNET_LIST = [‘GenEfficientNet’, ‘mnasnet_050’, ‘mnasnet_075’, ‘mnasnet_100’, ‘mnasnet_b1’, ‘mnasnet_140’, ‘semnasnet_050’, ‘semnasnet_075’, ‘semnasnet_100’, ‘mnasnet_a1’, ‘semnasnet_140’, ‘mnasnet_small’,‘mobilenetv2_100’, ‘mobilenetv2_140’, ‘mobilenetv2_110d’, ‘mobilenetv2_120d’, ‘fbnetc_100’, ‘spnasnet_100’, ‘efficientnet_b0’, ‘efficientnet_b1’, ‘efficientnet_b2’, ‘efficientnet_b3’, ‘efficientnet_b4’, ‘efficientnet_b5’, ‘efficientnet_b6’, ‘efficientnet_b7’, ‘efficientnet_b8’, ‘efficientnet_l2’, ‘efficientnet_es’, ‘efficientnet_em’, ‘efficientnet_el’, ‘efficientnet_cc_b0_4e’, ‘efficientnet_cc_b0_8e’, ‘efficientnet_cc_b1_8e’, ‘efficientnet_lite0’, ‘efficientnet_lite1’, ‘efficientnet_lite2’, ‘efficientnet_lite3’, ‘efficientnet_lite4’, ‘tf_efficientnet_b0’, ‘tf_efficientnet_b1’, ‘tf_efficientnet_b2’, ‘tf_efficientnet_b3’, ‘tf_efficientnet_b4’, ‘tf_efficientnet_b5’, ‘tf_efficientnet_b6’, ‘tf_efficientnet_b7’, ‘tf_efficientnet_b8’, ‘tf_efficientnet_b0_ap’, ‘tf_efficientnet_b1_ap’, ‘tf_efficientnet_b2_ap’, ‘tf_efficientnet_b3_ap’, ‘tf_efficientnet_b4_ap’, ‘tf_efficientnet_b5_ap’, ‘tf_efficientnet_b6_ap’, ‘tf_efficientnet_b7_ap’, ‘tf_efficientnet_b8_ap’, ‘tf_efficientnet_b0_ns’, ‘tf_efficientnet_b1_ns’, ‘tf_efficientnet_b2_ns’, ‘tf_efficientnet_b3_ns’, ‘tf_efficientnet_b4_ns’, ‘tf_efficientnet_b5_ns’, ‘tf_efficientnet_b6_ns’, ‘tf_efficientnet_b7_ns’, ‘tf_efficientnet_l2_ns’, ‘tf_efficientnet_l2_ns_475’, ‘tf_efficientnet_es’, ‘tf_efficientnet_em’, ‘tf_efficientnet_el’, ‘tf_efficientnet_cc_b0_4e’, ‘tf_efficientnet_cc_b0_8e’, ‘tf_efficientnet_cc_b1_8e’, ‘tf_efficientnet_lite0’, ‘tf_efficientnet_lite1’, ‘tf_efficientnet_lite2’, ‘tf_efficientnet_lite3’, ‘tf_efficientnet_lite4’, ‘mixnet_s’, ‘mixnet_m’, ‘mixnet_l’, ‘mixnet_xl’, ‘tf_mixnet_s’, ‘tf_mixnet_m’, ‘tf_mixnet_l’]

训练/测试/部署流程:

0、转为训练需要的数据格式

代码语言:javascript
复制
git clone https://github.com/MachineLP/PyTorch_image_classifier

cd PyTorch_image_classifier

python tools/data_preprocess.py --data_dir "./data/data.csv" --n_splits 5 --output_dir "./data/train.csv" --random_state 2020

1、修改配置文件,选择需要的模型 以及 模型参数:vim conf/test.yaml

代码语言:javascript
复制
cp conf/test.yaml conf/effb3_ns.yaml

vim conf/effb3_ns.yaml

2、训练模型: (根据需求选取合适的模型)

代码语言:javascript
复制
python train.py --config_path "conf/effb3_ns.yaml"

3、测试

代码语言:javascript
复制
python test.py --config_path "conf/effb3_ns.yaml" --n_splits 5

4、infer

代码语言:javascript
复制
python infer.py --config_path "conf/effb3_ns.yaml" --img_path "./data/img/0male/0(2).jpg" --fold "0"

pre>>>>> [1]

python infer.py --config_path "conf/effb3_ns.yaml" --img_path "./data/img/1female/1(5).jpg" --fold "0"

pre>>>>> [0]

5、模型转换 (待调试)

代码语言:javascript
复制
转onnx:python tools/pytorch_to_onnx.py --config_path "conf/effb3_ns.yaml" --img_path "./data/img/0male/0(2).jpg" --batch_size 4 --fold 0 --save_path "lp.onnx"

转tensorrt:python tools/onnx_to_tensorrt.py

6、模型部署

serving

ref
代码语言:javascript
复制
(1)https://github.com/haqishen/SIIM-ISIC-Melanoma-Classification-1st-Place-Solution

(2)https://github.com/BADBADBADBOY/pytorchOCR

(3)https://github.com/MachineLP/QDServing

(4)https://github.com/bentoml/BentoML

(5)mixup-cutmix:https://blog.csdn.net/u014365862/article/details/104216086

(7)focalloss:https://blog.csdn.net/u014365862/article/details/104216192

(8)https://blog.csdn.net/u014365862/article/details/106728375 / https://blog.csdn.net/u014365862/article/details/106728402
本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2020/10/21 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • CV 训练/测试/部署分类任务
    • 支持的全部模型:
      • 训练/测试/部署流程:
      领券
      问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档