# image-processing
## 介绍
深度学习的图像处理
- 深度学习的图像处理,按不同网络模型建立文件夹
## 文件说明
```
├── data_set 数据集下载、文件夹划分
├── image_classfication 图像分类
├── custom_dataset 0.图像数据处理
├── train_multi_GPU 1.GPU运行(单机/多机,单机时含完整的训练模型流程介绍)
```
## 所需环境
* d2l(建议使用)
* python3.6/3.7/3.8/3.9
* vscode/pycharm (IDE)
* pytorch 1.12 (pip package)
* torchvision 0.13.0 (pip package)
* wandb 0.16.2 (pip package)
包安装:
```pip install -r requirements.txt```
### 环境安装
参考链接:https://zh.d2l.ai/chapter_installation/index.html
d2l环境已经包含深度学习的大部分包,就不用一一安装
```
# 1.先安装Miniconda(见参考上述链接,或者https://docs.conda.io/projects/miniconda/en/latest/)
mkdir -p ~/miniconda3
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -O ~/miniconda3/miniconda.sh
bash ~/miniconda3/miniconda.sh -b -u -p ~/miniconda3
rm -rf ~/miniconda3/miniconda.s
~/miniconda3/bin/conda init bash
~/miniconda3/bin/conda init zsh
# 2.创建和激活环境
conda create --name d2l python=3.9 -y
conda activate d2l
# 3.安装深度学习所需包
pip install torch==1.12.0
pip install torchvision==0.13.0
pip install d2l==0.17.6
```
### wandb监控使用
- 参考资料推荐:https://blog.csdn.net/qq_40507857/article/details/112791111
- 4项核心功能:
- 看板:跟踪训练过程,给出可视化结果
- 报告:保存和共享训练过程中一些细节、有价值的信息
- 调优:使用超参数调优来优化你训练的模型
- 工具:数据集和模型版本化
- 强大的兼容性:能够和Jupyter、TensorFlow、Pytorch、Keras、Scikit、fast.ai、LightGBM、XGBoost一起结合使用
- 基本接口
- wandb.init — 在训练脚本开头初始化一个新的运行项;
- wandb.config — 跟踪超参数;
- wandb.log — 在训练循环中持续记录变化的指标;
- wandb.save — 保存运行项相关文件,如模型权值;
- wandb.restore — 运行指定运行项时,恢复代码状态。
#### 使用前的注册和登录
1. 注册官方网址: https://wandb.ai (推荐使用微软账号注册)
2. 安装 wandb:```pip install wandb```
3. 登录 wandb:在命令行中运行 ```wandb login```
4. 按提示复制粘贴API Key至命令行中(查看网址:https://wandb.ai/authorize)【提示:务必先在网页注册账号】
#### python使用代码
1. 初始化:不同项目project,在每次name(不同运行时间)下的结果(月-日-时-分-秒)
可以声明超参数:
- wandb.config.dropout = 0.2
- wandb.config.hidden_layer_size = 128
2. 运行训练:代码内增加监控。监控内容:字典类型,如:
- log_test = {}
- log_test['epoch'] = epoch
3. 保存文件
```wandb.save("mymodel.h5")```
或者
```model.save(os.path.join(wandb.run.dir, "mymodel.h5"))```
```
import wandb
# 1.初始化:项目fruit30,当前(月-日-时-分-秒)
wandb.init(project='fruit30', name=time.strftime('%m%d%H%M%S'))
# 2.运行训练:代码内增加监控
wandb.log(log_test) #log_test为字典
# 3.将字典同时保存到本地文件
# (1)字典 -> 数据框
df_test_log = pd.DataFrame()
df_test_log = df_test_log.append(log_test, ignore_index=True)
# (2)数据框 -> csv
df_test_log.to_csv('训练日志-测试集.csv', index=False)
```
说明:Ctrl+C结束训练进程出现“wandb: / 0.124 MB of 0.124 MB uploaded (0.000 MB deduped)“解决方法,如下运行:
```ps aux|grep wandb|grep -v grep | awk '{print $2}'|xargs kill -9```
#### 软件架构
软件架构说明
使用Pytorch进行网络的搭建与训练
## 0. data_set 图像分类
### 主要功能
1. 数据集下载存放
2. 划分文件夹:训练集和测试集(非必要)
### 终端运行:数据下载并划分
```
chmod +x download_flower_data.sh
./download_flower_data.sh
python split_data.py
```
## image_classfication 图像分类
1. custom_dataset
2. xxxx
3. xxxx
### 1. custom_dataset
#### 主要功能
DataSet和DataLoader数据集构建及使用
#### 主要文件
### 2.
#### 使用说明
1. 图像分类算法
* LeNet
2. xxxx
3. xxxx
#### 参与贡献
1. Fork 本仓库
2. 新建 Feat_xxx 分支
3. 提交代码
4. 新建 Pull Request
没有合适的资源?快使用搜索试试~ 我知道了~
资源推荐
资源详情
资源评论
收起资源包目录
image-processing-master.zip (29个子文件)
image-processing-master
LICENSE 11KB
image_classfication
train_multi_GPU
predict.py 3KB
train_single_gpu.py 8KB
model.py 5KB
wandb
run-20240129_202505-znm4obpq
files
requirements.txt 3KB
multi_train_utils
distributed_utils.py 2KB
train_eval_utils.py 3KB
class_indices.json 102B
batch_predict.py 5KB
README.md 4KB
custom_dataset
utils.py 6KB
__init__.py 0B
test_my_dataset.py 5KB
batch_data_loader_image.jpg 19KB
my_dataset.py 2KB
class_names.jpg 22KB
download_datasets_cifar10.py 969B
class_indices.json 102B
train_CIFAR10.py 7KB
README.md 3KB
Lenet_demo
飞机1.jpeg 314KB
predict.py 1KB
model.py 1KB
train.py 4KB
requirements.txt 72B
data_set
download_flower_data.sh 190B
split_data.py 2KB
README.md 3KB
README.md 4KB
共 29 条
- 1
资源评论
十小大
- 粉丝: 9719
- 资源: 2555
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- ocr模型ch-ppocr-mobile-v2.0-cls-infer
- 计算两个地点之间的最短路线距离.php
- JavaWeb-学习笔记
- 一键安装docker环境:docker、docker-compose
- 使Unity开发的游戏支持热更新的解决方案
- 信息办公简易java开源订销管理系统-javainfo.zip
- 新闻文章NTsky新闻发布(提供JavaBean)v1.0-ntskynewsv1.0javabean.zip
- 搜索链接java(结合lucene)版的公交搜索系统-javaso.zip
- 基于深度循环神经网络DRNN的单通道音乐人声分离python源码(高分大作业).zip
- 实验4.docx
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功