معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Cassava leaf disease classification using Deep neural network in Pytorch

ویژگی	مقدار
سیستم عامل	-
نام فایل	cassava-classifier-0.0.3
نام	cassava-classifier
نسخه کتابخانه	0.0.3
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Prasanna Kumar, PS Vishnu
ایمیل نویسنده	-
آدرس صفحه اصلی	https://github.com/p-s-vishnu/cassava-leaf-disease-classification
آدرس اینترنتی	https://pypi.org/project/cassava-classifier/
مجوز	MIT

# Cassava leaf disease classification [![PyPI version shields.io](https://img.shields.io/badge/pypi-0.0.2-blue)](https://pypi.org/project/cassava-classifier/) [![Downloads](https://pepy.tech/badge/cassava-classifier)](https://pepy.tech/project/cassava-classifier) The idea of this project is to build an image classifier to find out healthy and diseased cassava leaves. There are 4 different classes of leaf diseases namely - `Cassava Bacterial Blight (CBB),Cassava Brown Streak Disease (CBSD),Cassava Green Mottle (CGM) and Cassava Mosaic Disease (CMD) `. <img src="static/cassava.gif" alt="inference" style="width:80%;" /> - Training data can be found on the [Kaggle competition page](https://www.kaggle.com/c/cassava-leaf-disease-classification) - Streamlit app code can be found [here](https://github.com/p-s-vishnu/cassava_app). [Github discussion forum](https://github.com/p-s-vishnu/cassava-leaf-disease-classification/discussins) ## Installation `pip install cassava-classifier` ## Inference example ```python import PIL import Image from cassava.pretrained import get_model image = Image.open("<insert your image path here>") # Use cassava.list_models() to list of available trained models model = get_model(name:str) model.predict_as_json(image: np.array) >> {"class_name":str, "confidence": np.float} ``` Try out the inference code on either google colab or kaggle. [![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/drive/1gPLY6nqF6P4WdvIRIAH_aYQn-iWkzvqs?usp=sharing) [![Kaggle](https://kaggle.com/static/images/open-in-kaggle.svg)](https://www.kaggle.com/vpkprasanna/cassava-inference-from-pypi) ## Training pipeline 1.Model Architecture - Efficeientnet-B4 , Noisy Weights 2.Image Size - 512 3.Optimizer - Adam 4.Scheduler - GradualWarumUpScheduler 5.Loss - Focal Cosine Loss 6.Augmentations - Hard Augmentations 7.Epochs - 10 8.Early Stopping - No 9.Mixed Precision - Yes ## Blog [Medium link] ## Acknowledgements We would like to thank Kaggle community as a whole for providing an avenue to learn and discuss latest data science/machine learning advancements but a hat tip to whose code was used / who inspired us. 1. Teranus 2. Nakama <a href="https://www.buymeacoffee.com/vpkprasanna" target="_blank"><img src="https://github.com/appcraftstudio/buymeacoffee/raw/master/Images/snapshot-bmc-button.png" width="300"></a>

نحوه نصب

نصب پکیج whl cassava-classifier-0.0.3:

pip install cassava-classifier-0.0.3.whl

نصب پکیج tar.gz cassava-classifier-0.0.3:

pip install cassava-classifier-0.0.3.tar.gz