Training & Finetuning on Custom Data
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 5/5
- Tiempo estimado
- Más de una semana
- Aptitud para principiantes
- 20/100
- Tipo de issue
- Documentación
- Claridad
- Necesita aclaración
- Estado de actividad
- Estancado
- Área
- machine-learning
Línea de trabajo
El issue no menciona archivos, pruebas ni puntos de entrada de la implementación. Empieza revisando el comando train_dist.py y la configuración del conjunto de datos personalizado descrita en el informe; un resultado útil tendría que definir y documentar prácticas fiables de fine-tuning para el pequeño conjunto de datos de 15-class, pero el comportamiento solicitado no está especificado.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
Hi,
Apologies if this has been asked before.
I have a custom data with ~700 tagged images, total number of classes are 15.
I have trained a model using the following combination (this gives the best results so far);
python train_dist.py --dataset ADE20K --model EncNet --aux --se-loss --backbone resnest101 --epochs XXX
It is giving okay-ish results. I understand the data is too less to expect pretty good results but the classes are rather simple and I cannot afford more data. I want to fine-tune (or maybe overfit) to my custom data for demonstration purpose. But, whatever I try so far, it just doesn't get any better.
Can you suggest any best practices, suggestions on how can I fine-tune to my particularly small data-set?
Thank you!
- Lenguaje dominante
- Python
- Estrellas
- 2k
- Forks
- 448
- Métricas de merge de PR
- Sin PR fusionados en 30 d
Preparar el entorno
- Incluye un Dockerfile o un archivo de Docker Compose
- Sin plantilla de pull request
- Sin guía de contribución
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de zhanghang1989/PyTorch-Encoding
-
Dificultad 3/5 1-2 días Aptitud para principiantes 30/100
zhanghang1989/PyTorch-Encoding#432 · 2 comentarios ·
-
Dificultad 3/5 1-2 días Aptitud para principiantes 25/100
zhanghang1989/PyTorch-Encoding#430 · 3 comentarios · 2 reacciones ·
-
,Abierto
Dificultad 5/5 Más de una semana Aptitud para principiantes 1/100
-
Dificultad 4/5 3-5 días Aptitud para principiantes 25/100
-
Dificultad 4/5 3-5 días Aptitud para principiantes 25/100
zhanghang1989/PyTorch-Encoding#426 · 1 comentario ·
Todos los issues de zhanghang1989/PyTorch-Encoding
Issues similares
-
Dificultad 1/5 Menos de una hora Aptitud para principiantes 85/100
MystenLabs/MemWal#1163 · 2 comentarios ·
Los mantenedores suelen responder en 1 día
-
infertopics leaves new nodes without a topic when untopiced neighbours outnumber topiced onesPosiblemente ocupada @moneebullah25 la tomó hoy. Abierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 72/100
Los mantenedores suelen responder en 1 día
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 70/100
FinanceFlash/unvibecode#218 ·
Los mantenedores suelen responder en 1 día
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 75/100
Los mantenedores suelen responder en 1 día
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 70/100
NVIDIA/earth2studio#1241 ·
Los mantenedores suelen responder en 3 días