粒子图像和相关工具的点建议网络。
faster-particles的Python项目详细描述
更快的粒子：粒子图像和相关工具的像素建议网络（PPN）
简介
此软件包包括以下内容：
- ToyData生成器
- LARCV数据接口（二维和三维）
- 基本网络：vgg（ish）和uresnet
- 像素提议网络实现
内容
- Installation 1.1条。Dependencies 1.2条。Install
- Usage 2.1条。Dataset
许可证
此代码是在mit许可下发布的（有关更多详细信息，请参阅许可文件）。
安装
依赖性
必须安装larcv2及其
拥有依赖项（根、opencv、numpy）以便使用larcv数据接口。
安装larcv2：
git clone https://github.com/DeepLearnPhysics/larcv2.git cd larcv2 source configure.sh make
你还需要Tensorflow。
安装
最简单的方法是使用pip，尽管您不会得到最新的更改：
pip install faster-particles
或者，如果需要最新更新或 参与其开发：
git clone https://github.com/Temigo/faster-particles.git
cd faster-particles
用法
以下假设您安装了pip。如果克隆了源，请使
确保您在根目录中，并将ppn替换为python faster_particles/bin/ppn.py。
数据集
toydata
要在以下部分中使用toydata而不是larcv数据，请使用选项--toydata。
这是一个已经有一段时间没有测试过的旧选项，应该很快就会被弃用。
液态氩数据文件
LARCV数据文件应使用支持正则表达式的--data选项指定，例如ppn_p[01]*.root。
有些数据文件在DeepLearnPhysics数据质询页上是公开的。
一般用法是ppn train/demo [directories options] [network architecture] [weights options] [network options] [other options]。train用于训练网络，demo用于运行推理。
目录选项
程序输出分为：
- 输出目录（选项
-o）：具有所有权重 - 日志目录（选项
-l）：存储所有tensorflow日志（并用tensorboard可视化它们） - 显示目录（选项
-d）：存储在训练ppn1和ppn2建议期间拍摄的常规快照，与基本事实进行比较。 目录将被创建，如果它们还不存在。在训练时，所有这些都是必需的。在推断时，只需要显示目录。
网络架构和权重选项
培训
| Network trained | Command to run | Pretrained weights (optional) |
|---|---|---|
| Base network UResNet | `--base-net uresnet --net base | ^{ |
| Base network VGG | ^{ | ^{ |
| PPN (w/ UResNet base) | ^{ | ^{ |
| Small UResNet | ^{ | ^{ |
推断
使用命令ppn demo -d display/dir -m N_inferences，后跟：
| Network | Commandline options | Weights loading |
|---|---|---|
| Base (UResNet) | ^{ | ^{ |
| PPN (w/ UResNet base) | ^{ | ^{ |
| Small UResNet | ^{ | ^{ |
| PPN + UResNet | ^{ | ^{ |
| PPN + Small UResNet | ^{ | ^{ |
最常见的选项
| Option | Explanation |
|---|---|
| ^{ | Number of steps / images to run on |
| ^{ | Freeze base network layers during training. |
| ^{ | Size of the image |
| ^{ | 3D version |
| ^{ | Path to data files, can use wildcards and bash syntax. |
更多选项（如阈值）分别通过ppn train -h和ppn demo -h提供。
示例
要在1000步上训练PPN，请使用：
ppn train -o output/dir/ -l log/dir/ -d display/dir --net ppn -m 1000 --data path/to/data
要在轨道/淋浴分类任务中培训基础网络（目前提供VGG和URESNET）：
ppn train -o output/dir/ -l log/dir/ -d display/dir --net base --base-net vgg -m 1000要训练3d数据，请使用参数-3d，不要忘记使用参数-N指定图像大小（例如，192表示压缩因子为4，请参阅larcvdata_generator.py了解更多详细信息）。
在冻结基础（预训练）层的同时，用uresnet基础网络预训练权重训练ppn， 更完整的命令行是
ppn train -o output/dir/ -l log/dir/ -d display/dir --net ppn --base-net uresnet -wb /path/to/uresnet/weights --freeze -N 512 -m 100
以0.5的最低分数对预测分数进行推断：
ppn demo weights_file.ckpt -d display/dir/ -ms 0.5
显示目录将包含结果的快照。
作者
K.Terao、J.W.Park、L.Domine
欢迎加入QQ群-->： 979659372
