[Dr.3632] ImageNet training in PyTorch with ResNet

This implements training of popular model architectures, such as ResNet, AlexNet, and VGG on the ImageNet dataset.

Requirements

• Install PyTorch (pytorch.org)
• pip install -r requirements.txt
• Download the ImageNet dataset from http://www.image-net.org/
• Then, and move validation images to labeled subfolders, using the following shell script

Training

To train a model, run main.py with the desired model architecture and the path to the ImageNet dataset:

python main.py -a resnet18 [imagenet-folder with train and val folders]

The default learning rate schedule starts at 0.1 and decays by a factor of 10 every 30 epochs. This is appropriate for ResNet and models with batch normalization, but too high for AlexNet and VGG. Use 0.01 as the initial learning rate for AlexNet or VGG:

python main.py -a alexnet --lr 0.01 [imagenet-folder with train and val folders]

1. Pytorch를 설치한다.  

pip install Pythorch

2,  ImageNet 사진 자료를 다운로드한다.

다운로드 방법은

http://www.image-net.org

ImageNet

토렌트를 이용한 방법

ImageNet 2012 - Academic Torrents

ImageNet 2012 Torrent 

3. 다운로드한 ImageNet 이미지 압축을 푼후 폴더분류하여 넣기 - 자료가 방대하여 배치파일로 작업해야 함.

아래의 파일을 이미지 파일이 있는 폴더에 복사하여 넣고 실행한다.

윈도용 Bat 파일 다운로드

00 win_imageNET Image Data Allocator.bat

2.26MB

Linux용 Bash 파일 다운로드

00 imageNET Image Data Allocator.bat

2.17MB

폴더 데이터 파일 윈도우 Linux  공용

imagenet_class_index.json

0.03MB

 

4. Trainning 가능한 환경 폴더 구성

  위에서 이미지 분류한 상위 폴더를 train 이란 폴더와 val  폴더로 이름을 변경한다.

  python main.py -a resnet18 [imagenet-folder with train and val folders]

5.  Pytorch의 main.py 파일을 학습이미지가 있는 상위폴더에 복사해 넣는다.

위의 그림에서는 imagenet 폴더안에 넣으면 된다.

PyTorch ImageNet 트레이닝 소스

main.py

0.02MB

README.md

0.00MB

requirements.txt

0.00MB

6. 트레이닝

우선 PC CPU 만으로 트레이닝

python main.py -a resnet18 c:\k2soft\TensorFlow\imagenet

 

결과는 RAM용량이 부족하여 트레이닝 중지됨  2020.12.27