您好,欢迎光临本网站![请登录][注册会员]  
文件名称: PyTorch 模型训练实用教程
  所属分类: 机器学习
  开发工具:
  文件大小: 4mb
  下载次数: 0
  上传时间: 2019-03-03
  提 供 者: qq_29******
 详细说明:本教程内容主要为在 PyTorch 中训练一个模型所可能涉及到的方法及函 数, 并且对 PyTorch 提供的数据增强方法(22 个)、权值初始化方法(10 个)、损失函数(17 个)、优化器(6 个)及 tensorboardX 的方法(13 个) 进行了详细介绍,本教程分为四章, 结构与机器学习三大部分一致。 第一章, 介绍数据的划分,预处理,数据增强; 第二章, 介绍模型的定义,权值初始化,模型 Finetune; 第三章, 介绍各种损失函数及优化器; 第四章, 介绍可视化工具,用于监控数据、模型权及损失函数的变化。PyTorch模型训练实用教程 作者:余霆嵩 意见反馈:yts32210126.cm 学习交流Q群:为了更好的帮助大家学习和理解 PyTorch以及机器学 习相关知识,特建立一个QQ群,供大家交流,本文的最新修改也会同步到QQ 群及 GitHub。QQ群号:67110375 修改记录: 版木 日期 修改内容 1.1.6小节勘误,将 36*36改为40水40 0.0.5 2.2.3小节删除注释; 2018.12.31夜 3.修改权值初始化杂谈 中的理解错误 4.全文代码缩进。 III 本教程仅限于学习交流使用,严禁用于商业用途! PyTorch模型训练实用教程 作者:余霆嵩 目录 第一章数据 转 训练集、验证集和测试集的划分 让 能读你的数据集 图片从硬盘到模型 数据增强与数据标准化 的二十二个方法 随机裁剪: 中心裁剪: 12 随机长宽比裁剪 12 上下左右中心裁剪: ...,12 上下左右中心裁剪后翻转 依概率水平翻转 依概率垂直翻转 .13 随机旋转: 13 14 标准化 14 转为 14 填充: 修改亮度、对比度和饱和度: ...15 转灰度图: 15 线性变换: 15 Y仿射变换: 15 依概率转为灰度图 16 将数据转换为 16 16 16 16 16 第二章模型. 本教程仅限于学习交流使用,严禁用于商业用途! PyTorch模型训练实用教程 作者:余霆嵩 模型的搭建 17 模型定义的三要素 17 模型定义多说两句 18 权值初始化的十种方法 22 权值初始化流程. 22 常用初始化方法. 均匀分布. 正态分布 ....24 均匀分布. 24 正态分布 25 均匀分布初始化 .,,25 正态分布初始化 25 常数初始化. 25 单位矩阵初始化 .25 正交初始化. 26 稀疏初始化 26 计算增益 26 权值初始化杂谈. 26 2.3模型 Finetune.. 27 第三章损失函数与优化器. 的十七个损失函数 31 32 33 34 35 6 37 37 本教程仅限于学习交流使用,严禁用于商业用途! PyTorch模型训练实用教程 作者:余霆嵩 38 39 10 40 41 11 42 3.2优化器基类:0 optimizer ........43 3 PyTorch的|个优化器 43 1. torch. opt im SGD. 2. torch optim. aSGD 46 3. torch opt im Rp 46 4. torch optim. Adagrad 47 5. torch optim. Adadelta 47 6. torch optim. RMSprop 7. torch optim. Adam (amStrad 48 torch optim. Adama 9. torch optim. Sparseada 48 10. torch optim LBFGS 4 PyTorch的六个学习率调整方法 49 1. Ir scheduler. StepLR 49 2. Ir_ scheduler. MultistepLR 50 3 scheduler exponentialLY O4.Irscheduler. CosineAnnealingLR 50 5. lr scheduler. reducelronPlate 52 Ir scheduler lambdaLR 学习率调整小结 54 源码阅读 55 第四章监控模型_可视化 57 4.I TensorboardX 57 1. add ar 58 本教程仅限于学习交流使用,严禁用于商业用途! PyTorch模型训练实用教程 作者:余霆嵩 2. add scalars 3. add histogram 60 4. add image o ,,,,62 补充 torchvision. utils. make gridO 62 5. add graph o) 6. add embedding o 64 7. add textO 8. add video 66 9. add figure o ...,..,...66 10. add image with boxes o 66 11. add pr curve o 66 12. add pr curve raw ..,66 13. export scalars to json O 66 4.2卷积核可视化 67 4.3特征图可视化 .69 4.4梯度及权值分布可视化 4.5混滑矩阵及其可视化 VII 本教程仅限于学习交流使用,严禁用于商业用途! Py Torch模型训练实用教程 作者:余霆嵩 第一章数据 转 俗话说得好,巧妇难为无米之炊,若没有数据,我们什么也做不了。在本 教程中,为了统一大家的数据,这里采用 的测试集,共 图片 作为源数据,模拟真实场景中的数据。 第一步:下载 下载 存放到 文件夹下,并且解压,获得文件 夹 下载方式 官网: 百度云 提取 码 第二步:运行 ∞ 运行代码: 叮在文件夹 卜看到个文件夹,对应个类别。 脚本中未将训练集解压出来,这里只是为了实验,因此未使用过多的数据。这里仅将 测试集!的Q 张图片解压出来,作为原始图片,将从这 张图片中划分出训练集 ,验证集》,测试集 行完成,在 下将有个文件夹,对应个类别 raw test 本教程仅限于学习交流使用,严禁用于商业用途! Py Torch模型训练实用教程 作者:余霆嵩 4 678 接着进入下一步:划分训练集、验证集和测试集。 训练集、验证集和测试集的划分 上一小节,把 的测试集转换成了图片,充当实验的原始数据。木小节, 将把原始数据按的比例划分为训练集 、验证集 和测试集 关于训练集、验证集和测试集的作用,可阅读博客: 运 ,将会获得以下三个文件夹 数据划分亢毕,下一步是制作存敚有图片路径及其标签的, 依据该上 的信息进行寻找图片,并读取图片数据和标签数据。 让 能读你的数据集 上一小节中,将泺数据 张图片划分为训练集、验证集和测试集,接下来就要让 能读取这批数据。想让 能读取我们自己的数据,首先要了解 读取 图片的机制和流栏,然后按流程编写代码。 类 读取图片,主要是通过 类,所以先简单」解一下 类 类作为所有的 的基类存在,所有的 都需要继承它,类似于中的虚基 类。 源码如下 本教程仅限于学习交流使用,严禁用于商业用途! Py Torch模型训练实用教程 作者:余霆嵩 这里重点看 网数 接收一个,然后返回图片数据和标签,这个 通常指的是一个的,这个的每个元素就包含了图片数据的路径和标签信 然而,如何制作这个呢,通常的方法是将图片的路径和标签信息存储在一个 中,然后从该中读取 那么读取自凵数据的基木流程就是 制作存储了图片的路径和标签信息的 将这些信息转化为,该每一个元素对应一个样本 通过 函数,读取数据和标签,并返回数据和标签 在训练代码里是感觉不到这些操作的,只会看到通过 就可以获取一个 的数据,其实触发去读取图片这些操作的是 里的 ,后面会详 细讲解读取过程。在本小节,主要讲 子类。 因此,要让 能读取自己的数据集,只需要两步 制作图片数据的索引 构建 子类 制作图片数据的索引 这个比较简单,就是读取图片路径,标签,保存到文件中,这軍注意柊式就妤 本教程仅限于学习交流使用,严禁用于商业用途!
(系统自动生成,下载前可以参看下载内容)

下载文件列表

相关说明

  • 本站资源为会员上传分享交流与学习,如有侵犯您的权益,请联系我们删除.
  • 本站是交换下载平台,提供交流渠道,下载内容来自于网络,除下载问题外,其它问题请自行百度
  • 本站已设置防盗链,请勿用迅雷、QQ旋风等多线程下载软件下载资源,下载后用WinRAR最新版进行解压.
  • 如果您发现内容无法下载,请稍后再次尝试;或者到消费记录里找到下载记录反馈给我们.
  • 下载后发现下载的内容跟说明不相乎,请到消费记录里找到下载记录反馈给我们,经确认后退回积分.
  • 如下载前有疑问,可以通过点击"提供者"的名字,查看对方的联系方式,联系对方咨询.
 输入关键字,在本站1000多万海量源码库中尽情搜索: