PyTorch framework
一个简单且完整的PyTorch的框架，提供了各种数据的加载以及简单任务的解决方案，易于扩展和迁移。
1.该框架提供了各种数据类型的加载(.wav .mat .jpg .csv .npy)方案。
2.该框架提供了简单分类任务和回归任务的解决方案，以及几个基础模型：CNN、RNN、Attention （ResNet、LSTM、Transformer-encoder)
3.该框架是一个简单且完整的框架，只保留了必要的部分并有详细的注释，方便阅读和理解。
并且解耦了各个模块，易于扩展和迁移。迁移到其他任务上只需要更改dataloader和model部分 (还有损失函数)。
用法：
训练和验证
python main.py --dataset_path ./data/audio/wav2vec/ --model_path wav2vec --feature wav2vec --feature_dim 768 --task regression --model lstm
python main.py --dataset_path ./data/vision/AU/ --model_path AU --feature AU --feature_dim 34 --task regression --model lstm
python main.py --dataset_path ./data/vision/vggface/ --model_path vggface --feature vggface --feature_dim 128 --task regression --model lstm
python main.py --dataset_path ./data/vision/image/ --model_path image --feature image --task classification --model resnet
测试
python test.py --dataset_path ./data/audio/wav2vec/ --model_path ./model/wav2vec_regression_1.pth --feature wav2vec --feature_dim 768 --task regression --model lstm
多卡训练
CUDA_VISIBLE_DEVICES=0,1 python main.py --dataset_path ./data/vision/image/ --model_path image --feature image --task classification --model resnet --parallel
CUDA_VISIBLE_DEVICE 和 parallel 搭配使用，单用 parallel 会默认使用所有卡。
如果有任何问题，欢迎联系我（[email protected])
1.3k Dec 29, 2022
1.3k Jan 05, 2023
169 Dec 23, 2022
1.7k Jan 06, 2023
3.7k Dec 29, 2022
140 Dec 13, 2022
3.5k Jan 08, 2023
4.1k Dec 28, 2022
2.1k Jan 01, 2023
275 Nov 22, 2022
433 Dec 27, 2022
369 Jan 03, 2023
106 Dec 17, 2022
6 Jan 08, 2022
1.2k Jan 07, 2023
1.1k Jan 04, 2023
9.7k Jan 05, 2023
642 Jan 03, 2023
96 Nov 28, 2022
2k Dec 27, 2022