ToDo
konegen opened this issue · 0 comments
konegen commented
- EmbeddedPC Pfad hinzufügen, ohne Quantisierung.
- FPGA und EmbeddedPC model memory entfernen.
- Dataloader Python script in README verlinken
- Startfenster Beschriftung Buttons. (Beschriftung in den Buttons?)
- Autokeras Constraints herausnehmen.
- Autkeras Pfad Dateiaufrufe abändern.
- download Funktion Name ändern
- Helper Datei aufspalten --> Dataloader, GUI Helper
- Dataloaderbeispiel für MNIST
- Dataloader für Autokeras einbauen.
- Bilder für AutoKeras Tasks
- Fehlende Tooltips einfügen
- Autokeras Pfad anpassen
- Nicht benötigte Dateien/Fenster aussortieren
- Shape of data for regression
- Pruning funktioniert für AutoKeras Regressionsmodelle nicht
- Compiler beim Trainieren (nach dem Pruning) von Regressionsmodellen
- Bild für EmbeddedPC Button (Für alle Targets, freie Bilder)
- Deactivate tasks which are not working
- Ventilbeispiel kann nicht konvertiert werden
- Developer documentation. --> FAQ bspw. Change GUI layout and events, add device, add optimization, add/modify dataloader
- Test auf Ubuntu
- Dokumentation für Autokeras Pfad, FPGA, EmbeddedPC
- Dokumentation was mit Dateien für MCU, FPGA, EmbeddedPC gemacht werden kann.
- Für MCU, EmbeddedPC Funktion die aufgerufen werden, um Modell auszuführen, über Codeboxen in Readme beschreiben.
- Tensorflow pruning durchführen, wenn eigenes Pruning nicht funktioniert.
- Datei-, Variablen-, Funktionsnamen ändern
- AutoKeras Dataloader Probleme mit .png Bildern? "Cleanup called..." wird durchgehend ausgegeben???
- Genauigkeit der Modelle in GUI anzeigen (AutoKeras + nach Optimierung)
- Accuracy pruning train und test Daten? (für Dataloader und Fileloader unterschiedliche Funktionen?)
- Accuracy pruning mit Regressionsmodell (Compiler metrik verwenden)?
- AutoKeras Modellaufbau ist nur sehr limitiert in der Auswahl der Hyperparameter (Anaconda3\envs\AUTOflow\Lib\site-packages\autokeras\blocks\basic.py)
- pruning_for_accuracy --> Problem bei max_loss_acc: Evaluierung auf den Trainingsdaten, später allerdings mit den Validierungsdaten verglichen --> train_test_split vornehmen --> Split erfolgt allerdings aus den Trainingsdaten?
- Bei Accuracy Pruning das bereits geprunte Modell für den nächsten Pruningschritt verwenden?