Cập nhật mã nguồn và file Colab Cache

2026-07-16 19:32:43 +07:00
parent 25969cb0f5
commit a258db54cd
69 changed files with 3377 additions and 645 deletions
@@ -0,0 +1,110 @@
+import os
+import glob
+import json
+import subprocess
+import time
+from tabulate import tabulate
+
+scripts = [
+    "train_land_randomforest.py",
+    "train_cloud_cnn.py",
+    "train_cloud_swin_unet.py",
+    "train_ndvi_statistical.py",
+    "train_ndvi_lstm_gru.py",
+    "train_ndvi_convlstm.py",
+    "train_ndvi_hybrid_physics.py",
+    "train_ndvi_ensemble.py"
+]
+
+print("🚀 Đang khởi chạy song song tất cả các mô hình...")
+processes = []
+for script in scripts:
+    if os.path.exists(script):
+        cmd = f"source /home/x79/miniconda3/etc/profile.d/conda.sh && conda activate env_01 && python {script}"
+        p = subprocess.Popen(["bash", "-c", cmd], stdout=subprocess.DEVNULL, stderr=subprocess.DEVNULL)
+        processes.append((script, p))
+
+for script, p in processes:
+    p.wait()
+
+print("✅ Đã chạy xong tất cả các mô hình!\n")
+print("📊 BẢNG SO SÁNH KẾT QUẢ CÁC MÔ HÌNH\n")
+
+# 1. Phân loại đất
+print("### 1. Nhóm Phân loại Lớp phủ (Land Classification)")
+land_data = []
+
+# Đọc XGBoost từ thư mục gốc
+if os.path.exists("model_xgboost_info.json"):
+    with open("model_xgboost_info.json", 'r') as f:
+        data = json.load(f)
+        params = data.get('params', {})
+        param_str = f"estimators:{params.get('n_estimators')}, depth:{params.get('max_depth')}" if params else "N/A"
+        land_data.append([
+            data.get('model_type', 'XGBoost'),
+            data.get('accuracy', ''),
+            data.get('precision', ''),
+            data.get('recall', ''),
+            data.get('f1_score', ''),
+            param_str
+        ])
+
+# Đọc các model khác trong model_train
+for info_file in glob.glob("model_train/*_info.json"):
+    with open(info_file, 'r') as f:
+        data = json.load(f)
+        # Chỉ lấy các model có độ chính xác (để lọc model rác/cũ)
+        if 'accuracy' not in data and 'f1_score' not in data:
+            continue
+            
+        params = data.get('params', {})
+        param_str = f"estimators:{params.get('n_estimators')}, depth:{params.get('max_depth')}" if params else "N/A"
+        
+        # Fallback for Random Forest
+        if data.get('model_type') == 'RandomForest_RealData':
+            param_str = "estimators:100, depth:15"
+            
+        land_data.append([
+            data.get('model_type', ''),
+            data.get('accuracy', ''),
+            data.get('precision', ''),
+            data.get('recall', ''),
+            data.get('f1_score', ''),
+            param_str
+        ])
+
+if land_data:
+    print(tabulate(land_data, headers=["Model", "Accuracy", "Precision", "Recall", "F1-Score", "Parameters"], tablefmt="github"))
+print("\n")
+
+# 2. Xóa mây
+print("### 2. Nhóm Xóa mây (Cloud Removal)")
+cloud_data = []
+for info_file in glob.glob("cloud_removal_model/*_info.json"):
+    with open(info_file, 'r') as f:
+        data = json.load(f)
+        cloud_data.append([
+            data.get('model_type', ''),
+            data.get('epoch', ''),
+            data.get('train_loss', ''),
+            data.get('val_loss', '')
+        ])
+if cloud_data:
+    print(tabulate(cloud_data, headers=["Model", "Epochs", "Train Loss", "Val Loss"], tablefmt="github"))
+print("\n")
+
+# 3. Dự báo NDVI
+print("### 3. Nhóm Dự báo Thực vật (NDVI Forecasting)")
+ndvi_data = []
+for info_file in glob.glob("ndvi_forecast_model/*_info.json"):
+    with open(info_file, 'r') as f:
+        data = json.load(f)
+        ndvi_data.append([
+            data.get('model_type', ''),
+            data.get('rmse', ''),
+            data.get('mae', ''),
+            data.get('epoch', 'N/A')
+        ])
+if ndvi_data:
+    print(tabulate(ndvi_data, headers=["Model", "RMSE", "MAE", "Epochs"], tablefmt="github"))
+print("\n")