研发工具
rndtools的Python项目详细描述
安装
pip install rndtools
小型Keras模型培训框架
当您调用train_model函数时，此框架将很少执行 有用的东西：1。它创建不存在1的DRs。它 自动将体系结构保存到atrchitecture.json，1中。情节 模型图1。保存python源代码get_model_function和 training_function，1。在每个历元绘制损失和Accuray图之后， 一。在每个epoch之后保存csv文件和学习历史。一。保存一些 模型的元信息，例如：1。处理时间1。最好的 列车和试验损失1。模型创建日期
你应该做什么：
实现load_data函数。
实现返回编译的keras模型的函数。函数应该 没有任何参数。示例：
def get_model(): model = Sequential() model.add(Dense(12, input_dim=8, init='uniform', activation='relu')) model.add(Dense(8, init='uniform', activation='relu')) model.add(Dense(1, init='uniform', activation='sigmoid')) model.compile( optimizer=Adam(), loss='binary_crossentropy', metrics=['accuracy'] ) return model实现训练模型的功能。函数应返回模型 历史。示例：``` def train（data，model，model_文件夹， 回调=无：如果回调为无：回调=[]
history = model.fit(data.X, data.Y, nb_epoch=150, batch_size=10, callbacks=callbacks) return history
``Pay attention to callbacks parameter. There are some extra callbacks that you should add to model callbacks. Also note that as in数据parameter function pass what加载数据` 函数返回。
示例：
>>> import rndtools as rnd
>>> rnd.train.train_model(
model_dir,
get_model_function=get_model,
training_function=train,
loading_data_function=load_data
)
Model path: /home/rd/notebooks/documents-detector/damian/models/in_the_wild/unet_mrz/7
------------------------------
Creating dirs...
------------------------------
------------------------------
Creating and compiling model...
------------------------------
------------------------------
Saving architecture...
------------------------------
------------------------------
Plotting model...
------------------------------
------------------------------
Saving model source code...
------------------------------
------------------------------
Loading data...
------------------------------
------------------------------
Instantiating callbacks...
------------------------------
------------------------------
Training model...
------------------------------
Epoch 1/1000
Finished!
零件生成器中的数据集
有时数据太多，存储起来有问题 记忆。然后您可以使用将数据集分成几个部分 DatasetInPartsGenerator将依次加载此部分，因此 内存中只有部分数据集。
管道
管道由步骤组成。每个步骤都是一个元组（步骤名，步骤类）。管道示例：
pipeline = Pipeline(
(
'grayscale',
Grayscale()
),
(
'threshold',
Threshold()
),
(
'blur',
Blur(
sigma=1.5
)
),
(
'watershed',
Watershed(
min_distance=5,
threshold_rel=0.1
)
),
show_progressbar=True
)
要创建自己的步骤，只需从Step继承并实现 transform方法：
from rndtools.pipeline import Step
class CustomStep(Step):
def transform(self, params):
pass
欢迎加入QQ群-->： 979659372
