第五届百度西安交大大数据竞赛 城市区域功能分类 Baseline.zip

# 城市区域功能分类 ## 简介  使用遥感图像和访问数据两个模态，在特征层进行融合，大概能拿到0.57的准确率。  ## 快速起步 ### 1.1 依赖环境 ``` tensorflow-gpu==1.8 opencv-python pandas ``` ### 1.2 数据准备 数据集下载：[link](https://aistudio.baidu.com/aistudio/projectDetail/176495) 将数据放在data文件夹下，如下所示： - data/test_image/test/xxxxxx.jpg - data/test_visit/test/xxxxxx.txt - data/train_image/train/00x/xxxxxx_00x.jpg - data/train_visit/xxxxxx_00x.txt 把压缩文件放在data文件夹里直接解压应该就是上面这样。 我把给的训练集划分了一部分当验证集，具体过程看check_data.ipynb。 划分后的文件名记录在data/train.txt和data/valid.txt中。 ### 1.3 数据转换 把visit数据转换为7x26x24的矩阵，这一步耗时比较长，大概要一个小时。 ``` python visit2array.py ``` 转换后的数据存储在: - data/npy/train_visit - data/npy/test_visit ### 1.4 生成tfrecord ``` python tfrecord.py ``` 生成的tfrecord存储在： - data/tfrecord/train.tfrecord - data/tfrecord/valid.tfrecord 备注：由于这里直接加载了所有数据，大约要占用5G内存。 ### 1.5 训练 ``` python train.py ``` 为了调参方便，每组实验存在不同的文件夹里。 需要输入显卡的编号和文件夹名称，比如： ``` device id: 0 dir id: 1001 ``` 查看tensorboard： ``` cd model/ tensorboard --logdir=./ ``` ### 1.6 测试 ``` python test.py ``` 测试完成后在result文件夹中生成结果。