Modeling

Решение задачи мультилейбл классификации изображений со спутника.

Датасет

Включает 40479 изображений и 17 классов. Скачать датасет и данные можно здесь.

Как использовать

1. Создание и активация окружения

   conda create -n planet python=3.11
   conda install -n planet -c anaconda ipykernel
   conda activate planet
   python -m ipykernel install --user --name=planet
   

2. Установка пакетов

   В активированном окружении:

   pip install -r requirements.txt
   

   pip install -r requirements.dev.txt
   

3. Настройка ClearML

   • Регистрируемся в ClearML, если ещё нет аккаунта.
   • в своем профиле ClearML нажимаем "Create new credentials"
   • в консоли пишем clearml-init и следуем инструкциям

4. Настраиваем config.yaml под себя. Обратите внимание на data_config.data_path, нужно указать папку куда положили папку planet из скачанного архива с данными.

Обучение

Запуск тренировки:

PYTHONPATH=. python src/train.py config.yaml

Лучший эксперимент

Ссылка на конфигурацию и метрики лучшего эксперимента здесь.

Чтобы достать лучшую модель, используем dvc:

    git checkout v2.0 experiments/exp1/epoch_epoch=10-val_f1=0.640.ckpt.dvc
    dvc checkout experiments/exp1/epoch_epoch=10-val_f1=0.640.ckpt.dvc
    dvc pull

Модель будет лежать по следующему пути: experiments/exp1/epoch_epoch=10-val_f1=0.640.ckpt.

Инференс

Посмотреть результаты работы обученной сети можно посмотреть в тетрадке.