FireClassification: Deep Learning Image Classification for lazy humans

一、前言

FireClassification is a deep learning Framework written in Python and used for Image Classification task, running on top of the machine learning platform Pytorch.

Read the source code as documentation.

二、使用示例

首先git clone本项目

2.1 训练

1. 下载fashion mnist数据集的四个压缩包放到./data目录下，运行python scripts/make_fashionmnist.py自动提取图片并划分类别、验证集
2. 执行python train.py 训练
3. 执行python evaluate.py 测试（在config设置训练好的模型路径）

2.2 优化

• 迁移学习，下载对应模型的预训练模型，把路径填入config.py中
• 调整不同的模型、尺寸、优化器等等

2.3 自定义网络结构

依次修改fire/model.py相应代码即可。

三、功能

3.1.数据加载

• 文件夹形式
• csv标签形式
• 其它自定义形式需手动修改代码

3.2.支持网络

• Resnet系列，Densenet系列，VGGnet系列等所有pretrained-models.pytorch支持的网络
• Mobilenetv2，Mbilenetv3，ShuffleNetV2
• EfficientNet
• Swin Transformer
• ConvNeXt
• TIMM库所有模型

3.3.优化器

• Adam
• SGD
• AdaBelief
• AdamW

3.4.学习率衰减

• ReduceLROnPlateau
• StepLR
• MultiStepLR
• SGDR

3.5.损失函数

• 交叉熵
• Focalloss

3.6.其他

• Metric(acc, F1)
• 训练日志保存
• 交叉验证
• 梯度裁剪
• earlystop
• weightdecay
• 按文件夹设置分类标签、读取csv标签
• 冻结/解冻 除最后的全连接层的特征层
• labelsmooth

四、Update

• 2023.9 [v1.1] 优化代码，删掉一些不用的功能，替换一些依赖库为自己实现，修复bug简化代码,修改存储路径
• 2022.7 [v1.0] (根据这半年打比赛经验，增加一些东西，删除一些几乎不用的东西。) 增加convnext、swin transformer、半精度训练，删除mobileformer，删除日志、tensorboard（习惯用文档记录），优化readme
• 2021.8 [v0.9] 增加micronet和测试结果，增加rk3399测速
• 2021.8 [v0.8] 增加mobileformer，加入fashion mnist数据集使用demo，方便测试各种模型，同时加入部分网络的训练结果

五、To Do

• 完善Readme
• 增加使用文档
• 彻底分离用户自定义部分的代码

六、参考资源

1. albumentations