Fire is a deep learning Framework written in Python and used for Image Classification task, running on top of the machine learning platform Pytorch.

Read the source code as documentation.

1. 下载fashion mnist放到data目录下，运行make_fashionmnist.py自动提取图片并划分类别、验证集
2. 拷贝 fire/examples/config.py.example到根目录并去掉后缀.example，然后根据需要修改相应参数、配置
3. 拷贝 fire/examples/dataaug_user.py.example到fire目录并去掉后缀.example，然后根据需要修改相应数据增强（默认无增强）
4. 执行python train.py 训练
5. 执行python evaluate.py 测试（在config设置模型路径）

依次修改fire/model.py相应代码即可。

• 文件夹形式
• csv标签形式
• 其它自定义形式需手动修改代码

• Resnet系列，Densenet系列，VGGnet系列等所有pretrained-models.pytorch支持的网络
• Mobilenetv2，Mbilenetv3，ShuffleNetV2，MicroNet
• EfficientNet
• Swin Transformer
• ConvNeXt

• Adam
• SGD
• AdaBelief
• Ranger
• AdamW

• ReduceLROnPlateau
• StepLR
• MultiStepLR
• SGDR

• 交叉熵
• Focalloss

• Metric(acc, F1)
• 训练日志保存
• 交叉验证
• 梯度裁剪
• earlystop
• weightdecay
• 按文件夹设置分类标签、读取csv标签
• 冻结/解冻 除最后的全连接层的特征层
• labelsmooth

• 2022.7 [v1.0] (根据这半年打比赛经验，增加一些东西，删除一些几乎不用的东西。) 增加convnext、swin transformer、半精度训练，删除mobileformer，删除日志、tensorboard（习惯用文档记录），优化readme
• 2021.8 [v0.9] 增加micronet和测试结果，增加rk3399测速
• 2021.8 [v0.8] 增加mobileformer，加入fashion mnist数据集使用demo，方便测试各种模型，同时加入部分网络的训练结果

• 完善Readme
• 增加使用文档
• 彻底分离用户自定义部分的代码
• 特征图热力图可视化(grad-cam)
• Dynamtic ReLU

1. albumentations
2. warmup
3. pytorch-grad-cam