source activate base
# 第一次额外配置的环境
pip install pretrainedmodels
pip install timm
pip install tensorboardx
pip install pytorch_metric_learning
# 运行
## for market dataset
step1 : 准备数据集,运行: python prepare.py
step2 : 训练过程(ResNet50): python train.py --name market_ft1_ResNet50 --train_all (修改第50行数据集的名字;修改第48行模型保存地址)
step3 : 测试过程(ResNet50): python test.py --name market_ft_ResNet50 --test_dir ../../Market/pytorch
step2 : 训练过程(densenet121): python train.py --name market_ft1_net_dense --use_dense --train_all (修改第50行数据集的名字;修改第48行模型保存地址)
step3 : 测试过程(densenet121): python test.py --name market_ft_net_dense --test_dir ../../Market/pytorch --use_dense
## for MSMT17_V1 dataset
step1 : 准备数据集,运行: python prepare_MSMT.py
step2 : 训练过程(ResNet50): python train.py --name ft1_ResNet50 --train_all (修改第50行数据集的名字;修改第48行模型保存地址)
step3 : 测试过程(ResNet50): python test_MSMT.py --name ft_ResNet50 --test_dir ../../MSMT17_V1/pytorch
step2 : 训练过程(densenet121): python train.py --name ft1_net_dense --use_dense --train_all (修改第50行数据集的名字;修改第48行模型保存地址)
step3 : 测试过程(densenet121): python test_MSMT.py --name ft_net_dense --test_dir ../../MSMT17_V1/pytorch --use_dense
结果:python demo.py --query_index 0
本地运行将会得到我们需要的损失图:绝对路径
tensorboard --logdir=./runs