Skip to content

Latest commit

 

History

History
154 lines (120 loc) · 5.31 KB

release.md

File metadata and controls

154 lines (120 loc) · 5.31 KB
Raw

Release

v0.1

2019.12.12 更新信息

  • 基本框架搭建完成
  • 可正常运行cifar10_demo

2019.12.13 更新信息

  • 实现setup安装
  • 完善包之间的引用关系
  • 完善各模块之间的关系
    • data
      • build_data
      • build_sampler
      • build_transforms
      • build_label_transforms
    • engine
      • build_module
    • losses
      • build_loss_fn
    • models
      • build_model

2019.12.16更新信息

  • 更新package版本至torchline-0.1.3
  • 更新transforms类结构，可以更加方便的自定义修改

2019.12.17更新信息

  • 可单独预测指定路径下的图片，predict_only模式，
  • 完成test_only模式
  • 新增topk结果显示
  • 支持restore training

详细细节可查看project/skin/ReadMe.md

2019.12.19更新信息

v0.2

2020.02.18

  • 优化代码逻辑
  • 抽象化出trainer类
  • trainer负责整个计算逻辑, engine下定义的DefaultModule用来指定具体的步骤包括：模型，优化器，训练、验证、测试过程，以及数据的读取等，models中则是定义了具体的模型，如resnet等。

v0.2.2

  • 代码逻辑更加清晰
  • 修复日志bug，使用更加灵活

v0.2.2.2

  • config输出格式化

v0.2.3.0

  • 增加新的输出日志的方式（即logging），日志可保存到文件方便查看。之前默认使用tqdm，一个比较大的缺点时无法清晰的看到模型是否开始收敛。
  • 引入AverageMeterGroup等来记录各项指标，能更清晰地看出整体收敛趋势
  • 更新fake_data demo
  • 修复CosineAnnealingLR 存在的bug

v0.2.3.1

  • 优化AverageMeterGroup输出格式，方便阅读

v0.2.3.2

  • 优化优化器代码，增加可扩展性
  • 增加学习率热启动(CosineAnnealingWarmRestarts)

v0.2.3.3

  • 优化resume
  • 增加albumentations数据增广操作
  • 修改之前的resize和crop之间的逻辑关系

v0.2.3.4

  • 抽象化optimizer和scheduler定义，方便从外部直接调用
  • 添加计算模型大小的函数

v0.2.4.0

  • 增加大量SOTA模型结构，如Mnasnet, mobilenet等
  • 统一模型结构(features, logits, forward, last_linear)

v0.2.4.1

  • 修改单机多卡训练bug
    • 此模式夏batch size必须是gpu的整数倍，否则汇报如下错误：
    ValueError: only one element tensors can be converted to Python scalars
  • 规范化两种日志模式： tqdm和logging

v0.2.4.2

  • 修复单机多卡训练时的bug
  • 修改和统一model forward函数： features+logits

v0.2.4.3

  • 更新module forward函数
  • 增加loss函数，最小化entropy

v0.3.0.0 2020.05.11

  • 适配pytorchlightning 0.7.5

v0.3.0.1 2020.05.14

  • 完善logger path自动匹配功能；例如，当resume_from_checkpoint时会自动还原之前的logger路径。反之则会自动更新logger version。

v0.3.0.2 2020.05.19

  • 允许DefaultModule存储计算中的所有gt_labels和predictions,然后可以通过analyze_result函数计算指定的指标，例如precision或者auc等。

v0.3.0.3 2020.05.19

  • 修复上一版本在多GPU状态下报错的问题

v0.3.0.4 2020.05.19

  • 修复多GPU状态下重复打印日志问题

TODO list

  • 弄清楚logging机制
  • save和load模型，优化器参数
  • skin数据集读取测试
  • 构建skin project
  • 能否预测单张图片？
  • 构建一个简单的API接口
  • 进一步完善包导入
  • 设置训练epoch数量
  • 内建更多SOTA模型
  • 每个epoch输出学习率大小
  • resume时输出checkpoint的结果
  • 如果resume，则自动匹配checkpoints等路径
  • 优化输出日志信息
  • 使用albumentations做数据增强
  • transforms resize和randomcrop逻辑关系
  • 从engine中抽离出optimizer和scheduler
  • resnet结构可能有问题，resnet50应该有98MB，但是实现只有89.7。（没有错，只是因为计算时将classes设置成了10，所以导致了误差）
  • 单机多卡多GPU测试
  • 考虑是否将finetune设置内嵌到模型中 (取消设置，避免模型代码臃肿)
  • 多GPU运行时日志会因为多线程而导致先后输出不同batch的结果，需要在结果整合后再输出结果，可以考虑将print_log放到on_batch_end里去(#v0.3.0.4)
  • 设置更多默认的数据集
  • 完善使用文档
  • 评估使用hydra代替yacs的必要性（工作量太大）
  • 增加config参数鲁棒性和兼容性
  • 多机多卡测试
  • template project. 可快速基于torchline创建一个新项目
  • 将default_module中的parse_cfg_for_scheduler解耦，放到utils.py文件中去
  • checkpoint将scheduler参数也保存，同时添加设置可以跳过optimizer或scheduler的restore
  • multi-gpus情况下日志会生成多份，打印信息也有这种情况(#v0.3.0.4)
  • 文件结构重构
  • 适配pytorchlightning 0.7.5版本
  • 规范参数名称，尽量使用全程，如使用optimizer而不是optim # 在大版本v0.3.0.0中更新
  • albumentations和torchvision读取图片使用的分别是cv2和PIL，数据格式分别是numpy和PIL.Image，后面需要考虑如何统一格式。 (在实现transformation的时候特别处理一下)
  • 增加Module中print_log通用性