使用torchnet模板和tensorboard可视化分类模板。
models文件夹下为模型,对于自定义的模型,需要将模型写入models/__init__.py文件中才能在main.py中使用。
clone该Repository
git clone [email protected]:JunLab-Hitsz/Classification-Template.git
cd Classification-Template
pip install -r requirements.txt
直接使用launch.sh脚本启动训练,传入gpu编号即可
$ ./launch.sh 0
或者使用如下命令,如下命令可以修改main.py中的parser参数
$ CUDA_VISIBLE_DEVICES=0 python main.py --dataset mnist
在命令行下可以直接运行以下代码启动Tensorboard
tensorboard --logdir=/path/to/tensorboard/log
修改以上logdir,该Repository的logdir为当前文件夹。
如果在docker中训练,由于端口可能无法看到tensorboard的结果,这里推荐使用VSCode来启动tensorboard
由于代码中存在Tensorboard的代码,VSCode会提示安装Tensorboard,安装完成后使用Shift+Ctrl+p
打开VSCode菜单,输入launch tensorboard
,随后选择logdir即可。此时VSCode下方控制台port栏会出现端口映射,鼠标点击即可访问tensorboard可视化结果。
https://github.com/gram-ai/capsule-networks
当前版本为单卡训练版本,多卡还没实现。
目标检测任务可以使用MMdetection框架,该框架基于Pytorch实现。