Transfer Learning Suite

Пакет трансферного обучения в Керасе

Новости

Описание

Этот репозиторий служит пакетом трансферного обучения. Цель состоит в том, чтобы легко выполнить трансферное обучение, используя любую встроенную модель классификации изображений Keras! Любые предложения по улучшению этого репозитория или любые новые функции, которые вы хотели бы видеть, приветствуются!

Вы также можете ознакомиться с моим пакетом семантической сегментации.

Модели

Доступны все встроенные модели Keras:

Модель	Размер	Топ-1 Точность	Топ-5 точности	Параметры	Глубина
ВГГ16	528 МБ	0,715	0,901	138 357 544	23
ВГГ19	549 МБ	0,727	0,910	143 667 240	26
Реснет50	99 МБ	0,759	0,929	25 636 712	168
Xception	88 МБ	0,790	0,945	22 910 480	126
НачалоV3	92 МБ	0,788	0,944	23 851 784	159
НачалоResNetV2	215 МБ	0,804	0,953	55 873 736	572
МобилНет	17 МБ	0,665	0,871	4 253 864	88
DenseNet121	33 МБ	0,745	0,918	8 062 504	121
DenseNet169	57 МБ	0,759	0,928	14 307 880	169
Плотная сеть201	80 МБ	0,770	0,933	20 242 984	201
NASNetMobile	21 МБ	NA	NA	5 326 716	NA
NASNetLarge	342 МБ	NA	NA	88 949 818	NA

Файлы и каталоги

• main.py: режим обучения и прогнозирования.

• utils.py: Вспомогательные служебные функции.

• контрольные точки: файлы контрольных точек для каждой эпохи во время обучения.

• Прогнозы: Результаты прогнозов

Установка

Этот проект имеет следующие зависимости:

• Numpy sudo pip install numpy

• OpenCV Python sudo apt-get install python-opencv

• TensorFlow sudo pip install --upgrade tensorflow-gpu

• Керас sudo pip install keras

Использование

Единственное, что вам нужно сделать для начала, это настроить папки в следующей структуре:

 ├── "dataset_name"                   
|   ├── train
|   |   ├── class_1_images
|   |   ├── class_2_images
|   |   ├── class_X_images
|   |   ├── .....
|   ├── val
|   |   ├── class_1_images
|   |   ├── class_2_images
|   |   ├── class_X_images
|   |   ├── .....
|   ├── test
|   |   ├── class_1_images
|   |   ├── class_2_images
|   |   ├── class_X_images
|   |   ├── .....

Тогда вы можете просто запустить main.py ! Проверьте необязательные аргументы командной строки:

 usage: main.py [-h] [--num_epochs NUM_EPOCHS] [--mode MODE] [--image IMAGE]
               [--continue_training CONTINUE_TRAINING] [--dataset DATASET]
               [--resize_height RESIZE_HEIGHT] [--resize_width RESIZE_WIDTH]
               [--batch_size BATCH_SIZE] [--dropout DROPOUT] [--h_flip H_FLIP]
               [--v_flip V_FLIP] [--rotation ROTATION] [--zoom ZOOM]
               [--shear SHEAR] [--model MODEL]

optional arguments:
  -h, --help            show this help message and exit
  --num_epochs NUM_EPOCHS
                        Number of epochs to train for
  --mode MODE           Select "train", or "predict" mode. Note that for
                        prediction mode you have to specify an image to run
                        the model on.
  --image IMAGE         The image you want to predict on. Only valid in
                        "predict" mode.
  --continue_training CONTINUE_TRAINING
                        Whether to continue training from a checkpoint
  --dataset DATASET     Dataset you are using.
  --resize_height RESIZE_HEIGHT
                        Height of cropped input image to network
  --resize_width RESIZE_WIDTH
                        Width of cropped input image to network
  --batch_size BATCH_SIZE
                        Number of images in each batch
  --dropout DROPOUT     Dropout ratio
  --h_flip H_FLIP       Whether to randomly flip the image horizontally for
                        data augmentation
  --v_flip V_FLIP       Whether to randomly flip the image vertically for data
                        augmentation
  --rotation ROTATION   Whether to randomly rotate the image for data
                        augmentation
  --zoom ZOOM           Whether to randomly zoom in for data augmentation
  --shear SHEAR         Whether to randomly shear in for data augmentation
  --model MODEL         Your pre-trained classification model of choice