https://github.com/ncvescera/tirocinioai
Dati e Codice prodotti durante il tirocinio
https://github.com/ncvescera/tirocinioai
Last synced: 3 months ago
JSON representation
Dati e Codice prodotti durante il tirocinio
- Host: GitHub
- URL: https://github.com/ncvescera/tirocinioai
- Owner: ncvescera
- License: mit
- Created: 2021-03-23T17:03:35.000Z (about 4 years ago)
- Default Branch: main
- Last Pushed: 2021-05-21T10:55:48.000Z (about 4 years ago)
- Last Synced: 2025-02-04T19:50:00.146Z (4 months ago)
- Language: Jupyter Notebook
- Size: 95.5 MB
- Stars: 1
- Watchers: 2
- Forks: 0
- Open Issues: 2
-
Metadata Files:
- Readme: README.md
- License: LICENSE
Awesome Lists containing this project
README
# TirocinioAI
Dati e Codice prodotti durante il tirocinio
## Jupyter Notebooks
Se non hai il coraggio di affrontare un'installazione in locale sono disponibili i notebook per effettuare la fase di testing su Google Colab:
* [Keras_Model_Testing.ipynb](./code/keras/Keras_Model_Testing.ipynb)
* [PyTorch_Model_Testing.ipynb](./code/torch/PyTorch_Model_Testing.ipynb)
Se sei un vero uomo 🐒 segui le istruzioni successive !
## Installazione
### Preparazione
Prima di installare `Keras` e `PyTorch` è necessario installare `virtualenv` per evitare che i pacchetti e le loro dipendenze possano entrare in conflitto.
Installare i seguenti pacchetti:
```
sudo apt update
sudo apt install python3-dev python3-pip python3-venv
```
Creare due cartelle distinte per le 2 librerie oppure utilizzare quelle già presenti nella cartella: `code/keras` e `code/torch`.
Ricordare che se si creano 2 cartelle nuove ci va poi copiato il codice.
### Keras
Spostarsi sulla cartella destinata a `Keras` ed eseguire i seguenti comandi:
```
python3 -m venv --system-site-packages ./venv
source ./venv/bin/acrivate
pip install --upgrade pip
pip install --upgrade tensorflow
pip install keras
deactivate
```
### PyTorch
Spostarsi sulla cartella destinata a `PyTorch` ed eseguire i seguenti comandi:
```
python3 -m venv --system-site-packages ./venv
source ./venv/bin/acrivate
pip install torch==1.8.1+cpu torchvision==0.9.1+cpu torchaudio===0.8.1 -f https://download.pytorch.org/whl/torch_stable.html
deactivate
```
Installo solo la versione CPU in quanto per il testing non è necessario l'utilizzo della GPU.
## Dataset
Il dataset utilizzato per il testing è il seguente:
[ImageNet Mini](https://www.kaggle.com/ifigotin/imagenetmini-1000)
Va posizionato nella stessa directory delle cartelle adibite al codice di `Keras` e `Pytorch`:
```
----- ./
---------- keras
---------- torch
---------- dataset
```
## Utilizzo
La cartella dove è installato il progetto deve essere del tipo:
```
----- ./
---------- keras
---------- torch
---------- dataset
```
Prima di far partire gli script assicurarsi di aver modificato correttamente la variabile `dataset_dir` (che si trova all'interno dei file `main.py`) con il corretto percorso della cartela del dataset (l'impostazione di default dovrebbe andare bene ma non si sa mai 🚀)
Spostarsi nella cartella dei modelli da testare (e.g `keras`) ed eseguire i seguenti comandi:
```
source ./venv/bin/activate
python main.py
deactivate
```
La prima riga attiva l'ambiente virtuale, la seconda avvia lo script e l'ultima serve per uscire dall'ambiente virtuale.
La stessa cosa vale per `PyTorch`