【深度学习】深度学习代码规范

文章预览

每一场Kaggle比赛都一个项目，代码则需要按照规范进行整理。项目规范方便后续的沟通、迭代，非常关键。本文将对竞赛和深度学习通用项目的规范细节进行整理。 步骤1：确定代码框架 首先确定好具体任务，然后根据任务选择合适的框架，如 PyTorch Lightning 或 MMDection 。 如果框架有默认目录，则遵守。否则可以创建适合自己的目录，一般而言目录推荐如下： general ：常见的训练过程、保存加载模型过程，与具体任务相关的代码。 layers ：模型定义、损失函数等； experiments ：具体任务的训练流程、数据读取和验证过程； general/ │   train.py │   task.py │   mutils.py layers/ experiments/ │   task1/ │        train.py │        task.py │        eval.py │        dataset.py │   task2/ │        train.py │        task.py │        eval.p ………………………………