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

Efficient-Det Implementation in Keras

ویژگی	مقدار
سیستم عامل	-
نام فایل	efficient-det-0.1.3
نام	efficient-det
نسخه کتابخانه	0.1.3
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Zeynep Boztoprak
ایمیل نویسنده	zeynep.boztoprak@hhu.de
آدرس صفحه اصلی	https://git.hhu.de/zeboz100/efficientdet
آدرس اینترنتی	https://pypi.org/project/efficient-det/
مجوز	-

## EfficientDet EfficientDet Implementation in Keras focused on clean code and readability. Training will be logged with Tensorboard. To take a look at the training progress do: **tensorboard --logdir logs** This repo also includes the option of using wandb.ai for experiment tracking. ### Installation #### Via PIP (recommended) Split into 3 ways to install. This is due to the way tensorflow needs to be installed to correctly work with CUDA. The first installation does not include tensorflow and is recommended to use. ```shell pip install efficient-det ``` You can include a [cpu] or [gpu] tag to include the respective tensorflow version. Includes tensorflow dependency: #### Via Docker Runs with tensorflow:2.3.0-gpu. Depending on system CUDA version you might need to use another version. [See this for more info](https://www.tensorflow.org/install/source#gpu ). Install docker and nvidia container toolkit on host system ```shell sudo apt-get install -y docker.io nvidia-container-toolkit ``` Build Docker Image ```shell sudo docker build . -t edet ``` #### From Source 1. Clone Repository ```shell git clone git@git.hhu.de:zeboz100/efficientdet.git ``` 2. Build it ```shell pip install -r requirements.txt ``` ### Usage #### PIP Training ```shell python3 -m efficient_det.run_training --dataset_path /path/to/dataset ``` Run a Hyperparameter Search: ```shell python3 -m efficient_det.run_hyper_parameter_search --dataset_path /path/to/dataset --num_tries 100 --gpus_per_trial 0.5 ``` #### Source Execute all commands in **efficientdet/** Set PYTHONPATH : ```shell export PYTHONPATH="$PWD/src" ``` Training ```shell python3 src/efficient_det/train.py --dataset_path /path/to/dataset/ ``` Hyperparameter Search: ```shell python3 src/efficient_det/train.py --dataset_path /path/to/dataset/ ``` #### Docker Run Container ```shell sudo docker run --gpus all -it edet bash ``` and then proceed with the PIP instructions. #### To run all tests ```shell python3 -m unittest ``` #### To test loaded model You can test the loaded model via notebook or from a script. * Notebook in examples/visualize_rsults.ipynb * You need to set dataset path * You need to set path to trained model Execute Script from efficientdet/ ```shell python3 example/visualize_results.py ```

نیازمندی

مقدار	نام
-	tabulate
>=1.3.0	ray[default]
-	ray[tune]
-	matplotlib
-	wandb
-	pillow
-	progressbar2
-	pandas
-	opencv-python
>=2.3.0	tensorflow
>=2.3.0	tensorflow-gpu

زبان مورد نیاز

مقدار	نام
>=3.6, !=3.9.*	Python

نحوه نصب

نصب پکیج whl efficient-det-0.1.3:

pip install efficient-det-0.1.3.whl

نصب پکیج tar.gz efficient-det-0.1.3:

pip install efficient-det-0.1.3.tar.gz