## 依赖
- 安装 [CUDA](https://developer.nvidia.com/cuda-toolkit) 和 [cuDNN](https://developer.nvidia.com/cudnn) 的 GPU
- Python 3 安装 [tensorFlow-gpu==2.0.0rc1](https://github.com/tensorflow/tensorflow)
- Matlab
## 准备
- 下载本仓库
```bash
git clone https://github.com/Lmy0217/WirelessChannelAI.git
cd WirelessChannelAI
```
- 安装依赖
```bash
pip3 install -r requirements.txt
```
## 数据集
- 下载[数据集](https://developer.huaweicloud.com/competition/competitions/1000013923/circumstances)，并将其解压到 `data` 文件夹（现在，这个文件夹应该包含 ‘train_set’ 和 ‘test_set’ 文件夹）
- 在 `data` 文件夹下运行合并、预处理代码
```bash
cd data
python3 comp.py
matlab -nodesktop -nosplash -r "poccess;exit;"
```
## 模型
- 训练和测试模型
```bash
python3 model.py
```
- 训练后模型保存在 `model` 文件夹下，**会覆盖预训练模型**
## 预训练模型
- 保存在 `model` 文件夹
## 性能
- 数据集四分之三作为训练集，其余四分之一作为测试集
|模型|线下 RMSE|线上 RMSE|
|-|-|-|
|FC-5|≈ 9.74|9.7588|
|FC-6|≈ 9.53|9.4514|
|ResNet-8|≈ 9.43|-|
## 线上验证
- 上传 `model` 文件夹作为模型目录
- 上传 `data` 文件夹下的 `test_set` 文件夹作为测试集目录
- 在 [ModelArts](https://console.huaweicloud.com/modelarts) 创建模型，部署批量服务
- 提交模型到比赛
2019 年第十六届中国研究生数学建模竞赛A 题（华为赛题）.zip （17个子文件） 
WirelessChannelAI-master 
.travis.yml 211B circle.yml 2KB data comb.py 553B poccess.m 1KB LICENSE 1KB README_en.md 1KB model.py 5KB come.md 10B model checkpoint 81B model.ckpt.data-00001-of-00002 1.04MB config.json 1KB customize_service.py 7KB model.ckpt.index 2KB model.ckpt.data-00000-of-00002 4KB
requirements.txt 11B .gitignore 18B README.md 1KB资源评论
