颜色分类leetcode
xview2
第一名解决方案
“xView2:评估建筑损坏”挑战的第一名解决方案。
解决方案介绍
使用此环境开发的解决方案:
Python
3(基于Anaconda安装)
Pytorch
1.1.0+
和
torchvision
0.3.0+
英伟达顶点
硬件:当前的训练批量大小至少需要
2
个
GPU,每个
GPU
为
12GB。
(最初在
Titan
V
GPU
上训练)。
对于
1
GPU
批量大小和学习率应该在实践中找到并相应地改变。
竞赛数据集中的“train”、“tier3”和“test”文件夹应放在当前文件夹中。
使用“train.sh”脚本来训练所有模型。
(在
2
个
GPU
上约
7
天)。
要生成预测/提交文件,请使用“predict.sh”。
“evaluation-docker-container”文件夹包含用于对保留集(CPU
版本)进行最终评估的
docker
容器的代码。
训练模型
此处提供经过训练的模型权重:
(请注意:代码是在比赛期间开发的,旨在对不同的模型进行单独的实验。因此,按原样发布,没有额外的重构以提供完全的训练重现
2023-04-14 23:10:08
116KB
系统开源
1