Orchid Species Identification and Classification Contest

環境 python == 3.9.5

以下是執行整個程式的流程。

1. 下載整個 repository

git clone https://github.com/Rammstein-1994/orchid_competition.git)

2. cd 到 orchid_competition 資料夾，並從 requirements.txt 下載套件

$cd orchid_competition

$pip install -r requirements.txt

3. 下載 training.zip 並放到 orchid_competition 資料夾中

training.zip (如果電腦裡面已經有training.zi，省略下載的步驟)

以下是目前資料夾的結構圖

   orchid_competition
   ├── src
   ├── .gitignore
   ├── ...
   ├── ...
   ├── training.zip

4. 執行 prepare_data.py

執行 prepare_data.py 主要是將整個訓練資料拆分成 train 和 test，預設 test size 為 0.2，random seed 設為 22，這些參數都可以自由地更改。

$python prepare_data.py --test_size 0.2 --img_dir "training" --csv_dir "training/label.csv" --save_dir "orchid_dataset" --random_state 22

執行完之後會多出 orchid_dataset 和 training 兩個資料夾

   orchid_competition
   ├── orchid_dataset
   │   ├── test 
   │   │   ├── 0
   │   │   ├── 1
   │   │   ...
   │   │ 
   │   ├── train
   │   │   ├── 0
   │   │   ├── 1
   │   │   ...
   │   │
   │   ├── test.csv
   │   ├── train.csv
   │ 
   ├── training
   │   ├── 0a1h7votc5.jpg
   │   ...
   ...

接下來就可以開始訓練模型了

5. 訓練模型，執行 swinv2_transformer_training_192.py

我們會先在 192x192 解析度上進行訓練，等模型訓練到 200 個 epochs 之後就將模型存起來，接下來就會用 384x384 解析度進行微調。

$python swinv2_transformer_training_192.py --config

因為 swinv2_transformer_training_192.py 參數很多，如果不想自己設定就直接執行就執行以下，會用我們在告報中使用的參數設定

$python swinv2_transformer_training_192.py --BATCH_SIZE 16

如果 GPU 記憶體不夠就把 BATCH_SIZE 調小一點

執行結束後會產生 swinv2_base_window12_192_22k.pt 的模型存檔

6. Fine-tune on high resolution，執行 swinv2_transformer_fine_tune_384.py

在上一步驟我們已經訓練好 swinv2_transformer_training_192 模型，並將模型存在 swinv2_base_window12_192_22k.pt 中，在 fine tune 時我們要把它 load 到 fine-tune 使用的模型中

--CHECKPOINT 是用來讀取在192解析度上訓練好的存檔路徑

--CHECKPOINT <swinv2_base_window12_192_22k path>

$python swinv2_transformer_fine_tune_384.py --CHECKPOINT "swinv2_base_window12_192_22k.pt"

最後訓練完這個程式後，就會輸出 swinv2_base_window12to24_192to384_22kft1k.pt

這是我們最終拿來預測資料的模型。

7. 預測 orchid_private_set.zip 和 orchid_public_set.zip 中的資料，執行 inference.py

最後一個步驟就是要用訓練好的模型來對 public_set 和 private_set 進行預測

首先，先下載 orchid_private_set.zip、orchid_public_set.zip 和 submission_template.csv (如果已經載過可以略過)

將 orchid_private_set.zip 和 orchid_public_set.zip 放到 orchid_competition 資料夾中

   orchid_competition
   ├── orchid_private_set.zip
   ├── orchid_public_set.zip
   ├── submission_template.csv
   │ ...

接著創一個新的資料夾，取名為 test_dataset (也可以取別的名字，但一定要將 orchid_private_set.zip 和 orchid_public_set.zip 解壓縮到同個資料夾中) 將 orchid_private_set.zip 和 orchid_public_set.zip 解壓縮到 test_dataset

兩個檔案的解壓縮為:

orchid_private_set.zip: Y8vBt&e*AAZ5GREL3#gA9i9j3A

orchid_public_set.zip: sxRHRQmzmRw8TS!X4Kz23oRvg@

最後直接執行 inference.py 即可 (如果有改資料夾名稱記得 test_dataset 要換成自己設定的)

$inference.py --IMAGE_DIR <test_dataset>

成功跑完檔案後會產生 swinv2_submission.csv

以上就是整個執行的流程。