Zrobiłem jupytera który załaduje wszystkie dane i wytrenuje ResNeta18.
Po treningu model jest wypluwany do experiment/models/<nazwa_modelu>/<data>.pt. Żeby z niego 'skorzystać' , zrobiłem prosty skrypt robiący inferencję, który bierze jako wejście plik z modelem i plik ze zdjęciem i wypluwa nam nazwę stylu.
Na razie nie trenowałem za bardzo tego modelu, myślę że dziś zapuszczę na noc na większych rozmiarach obrazów i na więcej iteracji, to zobaczymy jakie ciekawe rezultaty przyniesie.
Wybaczcie za noise z commitami z pylintem, bazowałem na dwóch branchach i nie chciałem już wycofywać tych commitów. Jak PR #27 nie przejdzie to się je wyrzuci
poza generowaniem tych wykresów dobrze byłoby mieć coś bardziej interaktywnego do przeglądania wyników - Tensorboard. Pytanie czy chcemy robić to w zakresie tego PRa, czy dorzucić to później?
do analizy rezultatów dobrze byłoby pokazać dla każdej klasy po 5 dobrze i źle sklasyfikowanych obrazów
jeżeli zamierzamy dodać logowanie parametrów to zadbajmy o to żeby wszystko było dostępne - learning rate, optimizer, itp
Closes #7
Zrobiłem jupytera który załaduje wszystkie dane i wytrenuje ResNeta18.
Po treningu model jest wypluwany do
experiment/models/<nazwa_modelu>/<data>.pt
. Żeby z niego 'skorzystać' , zrobiłem prosty skrypt robiący inferencję, który bierze jako wejście plik z modelem i plik ze zdjęciem i wypluwa nam nazwę stylu.Na razie nie trenowałem za bardzo tego modelu, myślę że dziś zapuszczę na noc na większych rozmiarach obrazów i na więcej iteracji, to zobaczymy jakie ciekawe rezultaty przyniesie.
Wybaczcie za noise z commitami z pylintem, bazowałem na dwóch branchach i nie chciałem już wycofywać tych commitów. Jak PR #27 nie przejdzie to się je wyrzuci