Skip to content

Latest commit

 

History

History
46 lines (37 loc) · 2.26 KB

READme.md

File metadata and controls

46 lines (37 loc) · 2.26 KB

Ce dépôt Github concerne le prototypage d'un classifieur de déchets multiclasses dans le cadre de mon stage "ouvrier" de 2 mois de 1e année d'école d'ingénieure à Centrale Méditerranée, en 2022.

Le classifieur s'inspire des modèles classiques de classifieurs (MobileNet et ResNet) afin de comparer les différentes performances sur les données visuelles de l'entreprise

Le projet a été effectué avec Tensorflow et Pytorch afin de donner la possibilité à l'entreprise de reprendre le projet avec la librairie qu'il souhaite.

Le projet s'est suivi d'une optimisation des hyperparamètres à travers un POC, qui n'est pas présent dans le repository pour des raisons de confidentialités.

Données

Données visuelles de l'entreprise confidentielles, non fournies avec le projet.

Contenu :

Dans ce projet vous trouverez les dossiers et fichiers suivants:

  • /IA_pytorch/src: dossier du code source du modèle ResNet utilisant la librairie Pytorch
    • generator.py: script de génération des données pour le modèle
    • model.py: modèle utilisé
    • parameters.py: fichier des paramètres et hyperparamètres du modèle
    • predict.py: script d'inférence du modèle
    • requirements.txt: cf. section Execution du code
    • train.py: script d'entraînement du modèle
    • traitement.py: script de traitement des données d'entrées selon leur format
  • /IA_tensorflow/src: dossier du code source du modèle MobileNet utilisant la librairie TensorFlow
    • generator.py: script de génération des données pour le modèle
    • model.py: modèle utilisé
    • parameters.py: fichier des paramètres et hyperparamètres du modèle
    • predict.py: script d'inférence du modèle
    • requirements.txt: cf. section Execution du code
    • train.py: script d'entraînement du modèle
    • traitement.py: script de traitement des données d'entrées selon leur format

Execution du code

Installez les librairies nécessaires:

pip install -r requirements.txt

Les fichiers .py sont équipés du test

if __name__ == '__main__':

Pour exécuter l'entraînement d'un des deux modèles, il suffit d'executer dans le terminal:

python <nom du fichier>