目录
├── Readme.md
├── catdogclass.py 原始文件 by TZH
├── images 图片存储文件夹
├── logs 日志文件夹
├── data 数据文件夹
│ ├── test 测试数据
│ ├── train 训练数据
│ └── val 验证数据
├── dataset.py 数据类定义
├── main.py 训练入口文件
├── measure.py 画Loss图
├── model.py 模型文件
├── models 模型存储文件夹
│ └── pretrained 预训练模型文件夹
├── predict.py 预测函数
└── requirements.txt 依赖
python>3.5
pip install -r requirements.txt
数据如下放置: 以类别名命名对应数据文件夹
├── test
│ ├── XXX.jpg
│ └── XXX.jpg
├── train
│ ├── cat
│ │ └── XXX.jpg ...
│ └── dog
│ │ └── XXX.jpg ...
└── val
├── cat
│ └── XXX.jpg ...
└── dog
└── XXX.jpg ...
mkdir -p models/pretrained
wget https://download.pytorch.org/models/alexnet-owt-4df8aa71.pth -o models/pretrained/alexnet-owt-4df8aa71.pth
-
使用预训练模型 超参设置
BATCHSIZE = 16 EPOCHES = 20 LR = 0.01 LR_steps = [10] MOMENTUM = 0.9 WEIGHT_DECAY = 0.005
修改 main.py 中 最后一行为：
train(pretrained=True)
然后执行： python main.py
-
不使用预训练模型 超参设置
BATCHSIZE = 64 EPOCHES = 200 LR = 0.01 LR_steps = [60，120] MOMENTUM = 0.9 WEIGHT_DECAY = 0.005
修改 main.py 中 最后一行为：
train(pretrained=False)
然后执行： python main.py
python predict.py -i imagepath -m modle_file path
- 获取指定层的
feature map
python predict.py -i imagepath -m modle_file path -f index of layer
example:
python predict.py -i data/test/123.jpg -m models/1580889991_alexnet_10_16.pt -f 1
| features index | layer |
|---|---|
| 0 | nn.Conv2d(3, 64,11, 4, 2) |
| 1 | nn.ReLU |
| 2 | nn.MaxPool2d(3, 2) |
| 3 | nn.Conv2d(64, 192, 5, 2) |
| 4 | nn.ReLU |
| 5 | nn.MaxPool2d(3, 2) |
| 6 | nn.Conv2d(192, 384, 3, 1) |
| 7 | nn.ReLU |
| 8 | nn.Conv2d(384, 256, 3, 1) |
| 9 | nn.ReLU |
| 10 | nn.Conv2d(256, 256, 3, 1) |
| 11 | nn.ReLU |
| 12 | nn.MaxPool2d(3, 2) |
- 获取所有层
feature map
python predict.py -i imagepath -m modle_file path -f all
example:
python predict.py -i data/test/123.jpg -m models/1580889991_alexnet_10_16.pt -f all
训练过程中的数据存储在logs文件夹中,包含train_loss，valid_loss：
epoch losses correct
0 0.47454 0.75873
1 0.28150 0.87114
......
作图：
执行 `python measure.py -l logs/train_logs_2020-02-05-21:53:33.log `
标题等自行添加
