Ecosyste.ms: Awesome
An open API service indexing awesome lists of open source software.
https://github.com/lxztju/pytorch_classification
利用pytorch实现图像分类的一个完整的代码，训练，预测，TTA，模型融合，模型部署，cnn提取特征，svm或者随机森林等进行分类，模型蒸馏，一个完整的代码
https://github.com/lxztju/pytorch_classification
cnn densenet deployment flask image-classification knn knowledge-distillation label-smoothing pytorch random-forest resnet resnext svm
Last synced: about 1 month ago
JSON representation
利用pytorch实现图像分类的一个完整的代码，训练，预测，TTA，模型融合，模型部署，cnn提取特征，svm或者随机森林等进行分类，模型蒸馏，一个完整的代码
- Host: GitHub
- URL: https://github.com/lxztju/pytorch_classification
- Owner: lxztju
- License: mit
- Created: 2020-04-19T09:43:18.000Z (about 4 years ago)
- Default Branch: master
- Last Pushed: 2023-02-06T13:30:18.000Z (over 1 year ago)
- Last Synced: 2024-01-16T17:32:34.725Z (5 months ago)
- Topics: cnn, densenet, deployment, flask, image-classification, knn, knowledge-distillation, label-smoothing, pytorch, random-forest, resnet, resnext, svm
- Language: Jupyter Notebook
- Homepage:
- Size: 3.06 MB
- Stars: 1,252
- Watchers: 12
- Forks: 332
- Open Issues: 42
-
Metadata Files:
- Readme: README.md
- License: LICENSE
Lists
- my-awesome-stars - lxztju/pytorch_classification - 利用pytorch实现图像分类的一个完整的代码，训练，预测，TTA，模型融合，模型部署，cnn提取特征，svm或者随机森林等进行分类，模型蒸馏，一个完整的代码 (Jupyter Notebook)
README
## 简介
基于torchision实现的pytorch图像分类功能。
## 近期更新
* 2022.11.05更新
- 新添加tensorrt c++的推理方案
* 2022.10.29更新，进行代码重构，基本的功能基本一致。
- 支持pytorch ddp的训练
- 支持c++ libtorch的模型推理
- 支持script脚本一键运行
- 添加日志模块
习惯之前版本的请看v1版本的代码：[V1版本](https://github.com/lxztju/pytorch_classification/tree/v1)。
主要功能：
利用pytorch实现图像分类，基于torchision可以扩展使用densenet，resnext，mobilenet，efficientnet，swin transformer等图像分类网络
如果有用欢迎star
## 实现功能
* 基础功能利用pytorch实现图像分类
* 包含带有warmup的cosine学习率调整
* warmup的step学习率优调整
* 多模型融合预测，加权与投票融合
* 利用flask + redis实现模型云端api部署（tag v1）
* c++ libtorch的模型部署
* 使用tta测试时增强进行预测（tag v1）
* 添加label smooth的pytorch实现（标签平滑）（tag v1）
* 添加使用cnn提取特征，并使用SVM，RF，MLP，KNN等分类器进行分类（tag v1）。
* 可视化特征层
## 运行环境
* python3.7
* pytorch 1.8.1
* torchvision 0.9.1
* opencv(libtorch cpp推理使用， 版本3.4.6)（可选）
* libtorch cpp推理使用（可选）
## 快速开始
### 数据集形式
数据集的组织形式，参考[sample_files/imgs/listfile.txt](https://github.com/lxztju/pytorch_classification/blob/master/sample_files/imgs/listfile.txt)
### 训练 测试
修改`run.sh`中的参数，直接运行run.sh即可运行
主要修改的参数：
```
OUTPUT_PATH 模型保存和log文件的路径
TRAIN_LIST 训练数据集的list文件
VAL_LIST 测试集合的list文件
model_name 默认是resnet50
lr 学习率
epochs 训练总的epoch
batch-size batch的大小
j dataloader的num_workers的大小
num_classes 类别数
```
### libtorch inference
代码存储在`cpp_inference`文件夹中。
1. 利用[cpp_inference/traced_model/trace_model.py](https://github.com/lxztju/pytorch_classification/blob/master/cpp_inference/traced_model/trace_model.py)将训练好的模型导出。
2. 编译所需的opencv和libtorch代码到`cpp_inference/third_party_library`
3. 编译
```
sh compile.sh
```
4. 可执行文件测试
```
./bin/imgCls imgpath
```