PyTorchPracticeProject

环境说明

• torch1.0
• torchvision0.2.0
• python3.5
• ubuntu16.04
• pycharm2018

  搭建网络

• ResNet
• MobileNet
• YOLOV3
• FCN

  数据集

• mnist
• asl，A-E共五类，共15000个数据，12000的训练集、3000的验证集
• VOC2012，主要用来做语义分割实验

  使用方法

  使用pycharm

  使用终端

  在MobileNet目录下

• 训练模型：

  python asl.py -v V2 -e 20
  python asl.py -v V3 -t large -e 20

• demo演示:

  python demo.py -v V2

在YOLOV3目录下

• 获取yolov3的权重文件

  wget https://github.com/ayooshkathuria/pytorch-yolo-v3/raw/master/dog-cycle-car.png

• 将待测试图片放入test文件夹，输出结果保存在detect文件夹中
• 执行

  python demo.py

• 示例
  

在FCN目录下

• 需要提前下载好VOC2012数据集，并按程序中的规定的目录地址放在data文件夹中

  wget http://host.robots.ox.ac.uk/pascal/VOC/voc2012/VOCtrainval_11-May-2012.tar

• 实验了vgg和resnet两种不同backbone的fcn结构，其余所有策略包括数据的形式和优化策略都相同。迭代160次，需要高性能GPU支持。实验结果中resnet50基础的网络最接近论文效果
• 从左到右依次是：原图 标签 FCNx8_ResNet50 FCNx8_VGG
  
• 结论
  1. 网络的效果因结构的不同有很大差异，网络结构很重要
  2. 在实验中两种网络的最小损失都只能降低到小数点后两位0.0xx停滞
  3. Adam不能降低损失，按照论文中的SGD配置效果最好