level1-imageclassification-cv-01/docs/arguments.md at main · boostcampaitech6/level1-imageclassification-cv-01 · GitHub

Training

--resume_from : model의 checkpoint 불러오기
--seed : data split을 위한 seed
--epochs : epoch 수
--dataset : 사용할 dataset class 이름
--augmentation : 사용할 augmentation class 이름
--resize : 이미지 resize 크기
--batch_size : batch size
--valid_batch_size : validation batch size
--model : 사용할 model 이름
--optimizer : 사용할 optimizer 이름
--lr : learning rate
--val_ratio : validation set의 비율
--criterion : loss function 이름
- focal : focal loss
- cross_entropy : cross entropy loss
- label_smoothing : label smoothing loss
- f1 : f1 loss
- MSE : mean squared error loss
--lr_decay_step : learning rate decay step
--log_interval : logging interval
--name : model 저장할 때 사용할 이름
--data_dir : data가 있는 directory
--model_dir : model을 저장할 directory
--use_stratified_kfold : stratified kfold 사용 여부
--num_splits : kfold의 k
--current_fold : 현재 몇번째 fold인지

Inference

--batch_size : batch size
--resize : 이미지 resize 크기
--model : 사용할 model 이름
--model_mode: single or single_multiple
--data_dir : data가 있는 directory
--model_dir : model을 저장할 directory
--output_dir: output을 저장할 directory
--model_file_name : model file name

Ensemble

hard voting

--file_dir : csv 파일이 있는 디렉토리 경로
--csv1 : csv 파일 이름
--csv2 : csv 파일 이름
--csv3 : csv 파일 이름
--save_dir : 저장할 디렉토리 경로

soft voting

--batch_size : batch size
--resize : 이미지 resize 크기
--models : 사용할 model 이름
--model_dir : model을 저장할 directory
--model_files : model file name
--data_dir : data가 있는 directory
--save_dir : 저장할 directory