图像分类代码实现

MMClassification

---

代码仓库：https://github.com/open-mmlab/mmclassification

文档教程：https://mmclassification.readthedocs.io/en/latest/

使用说明：https://mmclassification.readthedocs.io/en/latest/getting_started.html#train-a-model

运行环境：Python 3.6+、CUDA 9.2+ 和 PyTorch 1.5+

配置文件

• algorithm info：算法信息、模型名称和神经网络架构，如resnet等;

• module info：模块信息用于表示一些特殊的颈部、头部和预训练信息;

• training info：培训信息，一些培训计划，包括批量大小，LR计划，数据增强等;

• data info:D ata信息、数据集名称、输入大小等，如ImageNet、CIFAR等;

算法信息

• vit-small-patch32：表示算法中分区的大小;

使用MIM安装MMCV来安装配置文件和环境，配置文件设定了训练的参数如通道和数据量

在训练数据的时候需要三个子集，分别是训练子集、验证子集和测试子集

环境配置有点难可参考北京超算平台教程：3 图像分类代码实战与超算平台介绍_哔哩哔哩_bilibili最后部分有超算老师带着鼓弄超算平台