行人重识别训练记录

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