El anterior repositorio contiene los datasets, los scripts y cuadernos utilizados para el entrenamiento y preprocesamiento del dataset.
Se debe ejecutar primero `sh pre_run.sh` que prepara las dependencias antes de ejecutar los test de performances como:
`python run_performance_modelos.py`.
Mirar los parametros dentro del script, ahi tenemos el numero de epocas y la carpeta con los resultados de salida
\ No newline at end of file
Contenido:
-**Informe TSCF 2024 Detector de Malezas.pdf**: Informe final del proyecto
-**resultados_ejecucciones**: Resultados de los diferentes entrenamientos realizados.
-**datasets**: Son los datasets utilizados en el entrenamiento.
-**predict_images**: Algunas imágenes predichas con el último modelo encontrado.
-**run_performance_modelos.ipynb, run_preditc.ipynb, run_tune.ipynb**: Son los cuadernos utilizados para entrenar, predecir y encontrar os hiperparámetros respectivamente.
