——————————
1.首先是下载数据集 通过data_download文件下的data_download.sh脚本下载数据集,可能有点bug,需要手动检查
2.制作数据集文件索引 通过makeppkl.py脚本制作训练数据索引以dataframe格式保存在data_eda文件下的pkl文件中
3.数据分析挖掘分形以及索引重构 在data_eda.ipynb中进行雷达数据分析挖掘,分类后的训练索引以npy保存注意自定义的pytorch中datasets加载时, 不仅仅加载pkl文件,同样加载npy,因为是demo未作数据分型索引,train_demo.npy文件保留最原始的pkl中的索引 数据分析后,分型函数请封装好,以模块的形式嵌入filter_dbz.py的类中,或者在data_eda.ipynb处理也可以。
——————————
4.数据加载 在自定义的datasets.py中返回tensor
5.模型训练 在train_demo_unet.py中完成训练验证(是否可以考虑k-flod交叉验证以及模型参数保存)
6.集成预测 在test_benchmark.py中完成集成预测
7.模型保存 model文件中保存模型block model_parameters文件中保存标准封装结构的模型参数以及训练信息
——————————
请按如下流程并入 1.在model文件中保存高度封装好的模型文件 2.在model_parameters文件中提交预训练模型 3.在主目录中提交训练程序,请严格按照指定位置数据接口进行tensor的shape转换
————————
#############文档说明############
""" 本demo模板需要改动的路径如下: 1.各种储存路径 2.模型参数checkpoint的名称 3.数据接口,请务必高度封装你的模型,如encoder-decoer写成一个class不要散着写,可以直接导入train.py中 我将在每个需要改动的的地方插入changepoint断点请在ide里直接顺序find:changepoint """ ###################################################
##################### """ 文档说明 同train.py 测试时顺序加载数据,batchsize为1,不shuffle 请同样严格遵循数据接口 需要改路径或名称的地方将插入changepoint,顺序搜索即可
""" #####################