コードが散乱した実験環境から整理された実験環境を目指し, インターネット上で探したtipsを導入,試していく
今のところはパラメータが違ったら別モデルとして作成する modelはclass model(): とし定義してその中に書く
argparse x yaml x dataclass
<試行回数><yamlファイル名>_<実験内容がわかる名前>
- モデルを指定したときに動的なimportをしたい
importlib
https://blog.cormoran-web.com/blog/2019/12/ml-reserch-for-iq1/
https://www.slideshare.net/cvpaperchallenge/cvpaperchallenge-tips-241914101
構造はtreeコマンドで描画
-
datasets
生データを置く datasets/データ名/ダウンロードした本体 前処理が必要な場合は一緒に前処理プログラムを置く
-
experiments
実験スクリプト
- <実験名>/ README.md, 実験設定ファイル, 実行ファイルを置く
-
moudules
実験で使う機能(データローダ,model,性能試験, 前処理したデータ ...)
-
scripts
-
survey 論文pdf, 調査メモなど置く
-
tests テストコード
-
utils
上のディレクトリ分類にないファイルを置く
.
├── README.md
├── createDir.sh
├── datasets
├── experiments
├── moudules
│ └── loaders
│ └── model_op.py
├── requirements.txt
├── scripts
├── setup.cfg
├── survey
├── tests
└── utils