# alchemy-template

**Repository Path**: byack/alchemy-template

## Basic Information

- **Project Name**: alchemy-template
- **Description**: 深度学习有一套固定的流程，当针对不同任务的时候，只是在具体流程的处理上是不一样的，但整体流程来说是没有区别的，所以我根据自己的习惯建立一套属于自己的模板，减少一些重复性的工作，也让每一次炼丹任务更加符合自己的标准化
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2023-06-14
- **Last Updated**: 2023-07-04

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# alchemy-template

这是根据我自己的习惯，初步整理的一个炼丹模板，因为炼丹的流程比较固定，基本都是：数据准备、模型选择、参数设置、开始训练、进行预测。每次炼丹任务主要是数据不一样，使用的模型不一样，但训练过程大同小异，所以弄一个模板，每次在这个框架下进行修改即可，减少写重复代码的过程。后续使用过程中感受到了不足再逐步的更新。

## 使用说明

📒 `Jupyter notebook` 只涉及到了一个 `demo.ipynb` 的文件，打开后按照自己的配置按顺序更改即可

📂 如果使用 `py` 文件来进行训练，先看一下项目文件的结构：

+ data：该文件夹存放数据集
+ model：该文件夹保存训练好的模型
+ result：该文件夹保存模型给出的预测集的结果
+ config.py：该文件是一些超参数的配置
+ data_process.py：数据预处理部分都在这里
+ final_predict.py：最后的预测文件
+ main_train.py：主要的训练文件
+ my_model.py：关于使用模型在该文件里定义

根据以上文件的说明，使用文件来训练的过程基本为：

- ① 将数据集放到 `data` 文件夹下
- ② 在 `data_process.py` 文件中进行数据的预处理
- ③ 在 `my_model.py` 中定义使用的模型
- ④ 在 `config.py` 中配置，并在 `main_train.py` 中矫正训练过程，之后执行 `python main_train.py` 进行训练
- ⑤ 训练完成后模型会保存到 `model` 文件夹中
- ⑥ 在 `findal_predict.py` 文件中矫正预测过程，执行 `python final_predict.py` 进行预测，最终的预测结果会保存到 `result` 文件夹中