模型融合 python_GitHub - xiaoruishan/pytorch_classification: 利用pytorch实现图像分类的一个完整的代码，训练，预测，TTA，模型融合，模型部署...

pytorch_classification

利用pytorch实现图像分类，其中包含的densenet，resnext，mobilenet，efficientnet, resnet等图像分类网络，可以根据需要再行利用torchvision扩展其他的分类算法

实现功能

基础功能利用pytorch实现图像分类

包含带有warmup的cosine学习率调整

warmup的step学习率优调整

多模型融合预测，加权与投票融合

利用flask实现模型云端api部署

使用tta测试时增强进行预测

添加label smooth的pytorch实现(标签平滑)

添加使用cnn提取特征，并使用SVM，RF，MLP，KNN等分类器进行分类。

更新添加了模型蒸馏的的训练方法

运行环境

python3.7

pytorch 1.1

torchvision 0.3.0

代码仓库的使用

数据集形式

原始数据集存储形式为，同个类别的图像存储在同一个文件夹下，所有类别的图像存储在一个主文件夹data下。

|-- data

|-- train

|--label1

|--*.jpg

|--label2

|--*.jpg

|--label

|--*.jpg

...

|-- val

|--*.jpg

利用preprocess.py将数据集格式进行转换(个人习惯这种数据集的方式)

python ./data/preproces