🎉 p4-opt-2-GTS 🎉

About

만약 새로운 경량화 구조의 모델을 찾아내서 서비스까지 해보고 싶으시다면, 우리 플랫폼을 사용해보세요.

File Struct

$> tree -d
.
├── configs
│   └── model
├── src
│   ├── augmentation
│   ├── modules
│   ├── utils
│   ├── custom_dataset.py
│   ├── dataloader.py
│   ├── decomp.py
│   ├── loss.py
│   ├── model.py
│   ├── network_prune.py
│   ├── trainer.py
│   └── vbmf.py
├── model_decomp.py
├── model_search.py
├── requirement.txt
└── torch2tflite.py

Requirements

Pytorch
TorchVision
optuna
....

How to use?

1. model_search.py

NAS를 통해 경량화 모델을 찾을 수 있습니다.

경량화 모델을 찾기 위해 사용되는 모듈들

필요한 Args

Args 요소	설명
METRIC	모델의 성능을 평가하는 지표입니다. [F1, ACC]
LIMIT_MACS	찾고자하는 모델의 MACS에 제한을 걸어 줍니다.
image_size	타깃이 되는 데이터의 이미지 사이즈를 정의합니다.
batch_size	dataloader의 배치사이즈를 지정해줍니다.
CLASSES	분류하고자하는 데이터의 클래스 수를 지정합니다.
MAX_DEPTH	찾고자하는 모델의 최대 깊이를 지정해주세요.
data_type	데이터 유형을 지정해줍니다. [CIFAR10, CIFAR100, CUSTOM]
data_root	데이터가 저장된 디렉터리 경로를 지정합니다.
Trial	목표 아키텍쳐를 찾기 위해 몇번의 Trial을 할 것인지 지정합니다.
prun_type	아키텍쳐를 찾을 때 어떤식으로 모델을 선별하여 가지고 올것인지 정해줍니다. [0.사용안함, 1.optuna에 내장된 pruner를 사용, 2. custom]
auto_augment	오토 어그멘테이션을 사용할지에 대한 여부를 알려줍니다.

2. model_decomp.py

NAS를 통해 찾은 모델을 좀 더 가볍게 해주기 위해 decomposition단계를 거칩니다.

3. torch2tflite.py

Pytorch모델을 다양한 플랫폼에서 서비스 하기위해 여러 플랫폼으로 변환해주는 작업을 해줍니다.

Project with this platform

해당 프로젝트를 통해 GTSNet이라는 모델을 찾아 학습시킨후 여러 프로젝트에 적용을 해보았습니다.

Android Project: https://github.com/gihop/MaskCheckIn-boostcamp-p4-GTS-side-project
Raspberry Pi Project: https://github.com/happyBeagle/rpi_image

hunmin-hub/p4-opt-2-GTS