GT第二次讨论会
时间:2021/4/24 20:00
一、目前已完成工作:
- 编码调试(已完成)
目前的模型使用的是resnet152,使用的比赛官方提供的预训练模型,在100张图片99类的数据上可以实现过拟合,基本有效
这里还有一些比赛官方给出的其他预训练模型
Git的教程大家有需要可以看下这个
git pull
git add .
git commit -m ‘train code’
git push
- 编写训练Dockerfile:还在进行docker的学习,目前暂时还不能正确的发起训练;
这部分工作我会主要跟进,需要掌握配置云镜像,了解镜像基本命令和容器的基本命令,对法训练模型日志进行调整;
-
构建镜像(训练及测试使用)
-
发起训练任务
3和4基本上构建完Dockerfile之后,再在代码中补一段官方开放的可视化接口就可以绘制出训练的曲线然后对我们的训练结果进行调整;
-
转换模型
-
编写测试SDK,发起自动测试
5-6步的教程需要参照官网的视频
- 完成测试,进入排名
二、需要进一步进行的工作
- 模型目前是在torchvision里面调的经典的resnet152,后期我们需要根据第一次训练和测试的结果进行调整,自定义内部结构;需要结合近期CV领域新的研究成果进行调整,预计在完善熟悉平台操作流程的同时在一周之内尽可能广泛的阅读论文,挑选出最优的方法进行复现
- SDK编写和模型转换的学习任务我建议和3-4Docker操作同步进行,时间比较紧迫,下周会进入五一假期我们趁此机会尽可能多做一些工作;
视觉方面的顶会
IJCNN CVPR
国际会议2
I2MTC
- 下次会议暂定周五晚。
记录平台之后的环境配置:
简单注明下,目前在线的linux环境中torch版本较老,而且缺少了一些包,进一步修改代码可能还会需要配置更多包,这是目前代码所需配置的命令,因为每次重启实例需要重新配置,故记录节省大家时间;
pip3.6 install torchvision
pip3.6 install scikit-image
pip3.6 install scikit-learn
pip3.6 install tqdm
最后提交的注意在进入实例之前
git pull
提交代码
git add .
git commit -m 'train code'
git push origin master
it pull
**提交代码**
git add .
git commit -m ‘train code’
git push origin master