【代码实战记录】网络训练一般架 | 训练前 中 后

已于 2024-06-14 15:56:35 修改
阅读量438 收藏 8
点赞数 5
分类专栏： AI经典任务实战 文章标签： 机器学习 深度学习 人工智能
于 2024-05-16 19:39:01 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Q52099999/article/details/138972944
版权

文章目录


一般网络训练都要把这些做到

做到以后方便我们进行调整，配置获得更好的效果

之后我们的实战任务会进一步详细解析这里的每一个内容的

1 训练前

训练前，一般我们会读入网络结构参数，训练参数等

训练和模型的各种参数读入后，首先应该将一些配置参数进行输出

同时应该新建日志文件夹，一般我觉得可以用logging模块，将必要的参数进行保存，方便后续做对比实验Python实用教程系列——Logging日志模块 - 知乎 (zhihu.com)

我们会用这些参数初始化数据集，我们在初始化数据集和网络后，应该适当进行init终端输出

初始化优化器

2 训练时

一般用tqdm库在epoch层面上进行输出，可以可视乎训练过程，方便查看时间Py之tqdm：tqdm库的简介、安装、使用方法详细攻略_vscode中安装tqdm库-CSDN博客

在iteration层面上，可以进行保存必要的损失到日志中，日志的话一般我们习惯训练时候获得时间，建立当前时间的一个文件夹，将日志保存到这里

一个epoch结束后，画出损失变化，用matplotlib库

十分钟|matplotlib上手，开启你的python可视化 - 知乎 (zhihu.com)

我们这时候会进行测试，测试的过程中可以保存模型，保存模型一般的话就是

方式一：每隔一定阶段保存一次模型

方式二：当测试时候的结果更好的时候保存

3 训练后

根据情况调整网络结构和参数

一般来说，根据网络的过拟合或者欠拟合，进行更改网络的组成，更改学习率，优化器等操作

Qodicat
关注
专栏目录
Stable Diffusion文生图模型训练入门实战（完整代码）
SoulmateY的博客
06-17 7105
（SD1.5）是由Stability AI在2022年8月22日开源的文生图模型，是SD最经典也是社区最活跃的模型之一。以SD1.5作为预训练模型，在火影忍者数据集上微调一个火影风格的文生图模型（非Lora方式），是学习的入门任务。显存要求 22GB左右在本文中，我们会使用模型在数据集上做训练，同时使用监控训练过程、评估模型效果。
Llama模型家族训练奖励模型Reward Model技术及代码实战（一）
段智华的博客
05-28 2459
1、Llama开源模型家族大模型技术、工具和多模态详解：学员将深入了解Meta Llama 3的创新之处，比如其在语言模型技术上的突破，并学习到如何在Llama 3中构建trust and safety AI。8、Llama 3中的DPO原理、算法、组件及具体实现及算法进阶：学习Llama 3中结合使用PPO和DPO算法，剖析DPO的原理和工作机制，详细解析DPO中的关键算法组件，并通过综合项目八从零开始动手实现和测试DPO算法，同时课程将解密DPO进阶技术Iterative DPO及IPO算法。
PyTorch 实战（模型训练、模型加载、模型测试）
热门推荐
陶陶name
07-30 7万+
本次将一个使用Pytorch的一个实战项目，记录流程：自定义数据集->数据加载->搭建神经网络->迁移学习->保存模型->加载模型->测试模型 自定义数据集 参考我的上一篇博客：自定义数据集处理 数据加载 默认小伙伴有对深度学习框架有一定的了解，这里就不做过多的说明了。 好吧，还是简单的说一下吧： 我们在做好了自定义数据集之后，其实数据的加载和MNS...
【脉冲神经网络教程 02】脉冲神经网络搭建及训练-实战篇
qq_40735196的博客
01-04 2886
该网络结构实际上是一个多层感知器（MLP）结构，即输入层、隐藏层和输出层三层结构。输入层的大小由决定，即输入图像的像素数。在 MNIST 数据集中，每个图像是 28x28 像素的灰度图像。隐藏层使用了一个线性层 (nn.Linear)，其中包含个神经元。这意味着有 1000 个隐藏层神经元，每个与输入层的每个像素连接。每个隐藏层神经元后面连接了一个 Leaky 脉冲神经元 (snn.Leaky)，它的漏电参数（leak parameter）由beta控制，被初始化为 0.95。
【PyTorch实战演练】使用Cifar10数据集训练LeNet5网络并实现图像分类（附代码）
m0_49963403的博客
09-29 2993
LeNet5的保姆级实战教程
SwinIR实战：详细记录SwinIR的训练过程
AI浩
05-01 1万+
SwinIR实战：详细记录SwinIR的训练过程。 论文地址：https://arxiv.org/pdf/2108.10257.pdf 预训练模型下载：https://github.com/JingyunLiang/SwinIR/releases 训练代码下载：https://github.com/cszn/KAIR 测试代码：https://github.com/JingyunLiang/SwinIR 论文翻译：https://blog.csdn.net/hhhhhhhhhhwwwwwwwwww/arti
Llama模型家族训练奖励模型Reward Model技术及代码实战（三） 使用 TRL 训练奖励模型
段智华的博客
05-28 1897
使用TRL训练奖励模型
# PyTorch学习笔记（15）--神经网络模型训练实战
weixin_43981621的博客
08-19 6216
PyTorch学习笔记（15）–神经网络模型训练实战     本博文是PyTorch的学习笔记，第15次内容记录，主要是以一个实际的例子来分享神经网络模型的训练和测试的完整过程。 目录PyTorch学习笔记（15）--神经网络模型训练实战1.神经网络模型训练实践1.1神经网络训练一般步骤1.2神经网络训练代码1.3神经网络训练结果2.学习小结 1.神经网络模型训练实践 1.1神经网络训练一般步骤     经过前几面14次的知识介绍，现将神经网络模型训练的一般步骤总结如下： 1. 根据需要搭建神经网络模型，
【腾讯云 Cloud Studio 实战训练营】Hexo 框架 Butterfly 主题搭建个人博客
努力是为了站在万人之中，成为别人的光
08-16 1万+
是基于浏览器的集成式开发环境（IDE），为开发者提供了一个永不间断的云端工作站。用户在使用 Cloud Studio 时无需安装，随时随地打开浏览器就能在线编程。​。
anomalib实战学习记录：安装及训练官方数据
liyun52的博客
07-17 2481
源码下载地址：我下载的版本是：anomalib-1.1.0操作系统是：win11代码的结构为：新版本的anomalib没有单独的train.py文件了，后面需要自己新建train.py文件，或者用命令行进行训练。
fitlog是一款在深度学习训练中用于辅助用户记录日志和管理代码的工具.zip
01-14
1. **训练日志记录**：fitlog提供了一种直观的方式来记录训练过程中的关键指标，如损失(loss)、准确率(accuracy)等，这使得开发者可以实时跟踪模型的性能变化，及时发现并解决问题。此外，它还支持图形化展示，使...
猫狗识别模型训练实战笔记
11-07
作者提出了一系列问题，例如神经网络层数的定义依据，离线训练成果的更新方法，模型性能评价标准，代码修改如何影响模型性能，以及发布的saved_model.pb是否即为训练模型等。 通过这个实战项目，作者不仅理解了模型...
今日课题：企业级接口自动化测试框架实战训练营第一天.pdf
11-24
本课程主要讲述了企业级接口自动化测试框架的实战训练营，涵盖了接口自动化测试的各种方法和工具，以及实际项目中的应用。 一、当前市面上实现接口自动化测试的方式和行情 目前市面上实现接口自动化测试的方式主要...
Lucas带你手撕机器学习——决策树
Lucas在澳洲
10-25 751
决策树是一种基本的分类与回归方法，它通过树状结构对数据进行分类或预测。每个内部节点代表一个特征（属性），每个分支代表特征的一个可能值，而每个叶子节点代表一个分类或预测值。由于其直观和易于理解的特点，决策树广泛应用于机器学习、数据挖掘和决策分析等领域。决策树是一种强大且易于理解的机器学习模型，适用于分类和回归任务。通过选择最优特征进行划分，决策树能够有效地对数据进行建模。尽管决策树有许多优点，但在实际应用中也需要注意过拟合和不稳定性的问题，因此常常结合剪枝技术进行改进。
从零开始机器学习——基于PyTorch构建你的第一个线性回归模型
bjxiaxueliang的CODING技术小馆
10-24 966
随着人工智能技术的迅猛发展，机器学习成为了现代科技领域中最炙手可热的话题之一。然而，对于初学者来说，机器学习似乎总是充满了复杂的理论和难以理解的概念。本文将带你从零开始，使用PyTorch深度学习框架，构建一个最简单的线性回归模型，一步步揭开机器学习的神秘面纱。无需预先的专业背景知识，只需跟随本文的指导，你就能亲手实现一个可以预测数据的机器学习模型！
【机器学习基础】激活函数
weixin_41838721的博客
10-22 451
Sigmoid函数 观察导数图像 在我们深度学习里面，导数是为了求参数W和B，W和B是在我们模型model确定之后，找出一组最优的W和B，使我们那个模型输入的x，得出我们Y最近我们真实结果的一个Y 导数函数图像，往两边走的话，它的导数为零。如果这样的情况出现的话，出现梯度消失。我们希望它的导数是一个平稳值，不要大也不要小 值落在，无穷大的时候或者无穷小的时候，它的导数就接近于零，此时W和B就不能更新了，无法找到最优的W和B。你就是你不断找不找，每天也走一走个几米几米远，事实上W和B在几千米远之外
【果蔬识别】Python+卷积神经网络算法+深度学习+人工智能+机器学习+TensorFlow+计算机课设项目+算法模型
最新发布
子午的博客
10-30 516
果蔬识别系统，本系统使用Python作为主要开发语言，通过收集了12种常见的水果和蔬菜（‘土豆’, ‘圣女果’, ‘大白菜’, ‘大葱’, ‘梨’, ‘胡萝卜’, ‘芒果’, ‘苹果’, ‘西红柿’, ‘韭菜’, ‘香蕉’, ‘黄瓜’），然后基于TensorFlow库搭建CNN卷积神经网络算法模型，然后对数据集进行训练，最后得到一个识别精度较高的算法模型，然后将其保存为h5格式的本地文件方便后期调用。再使用Django框架搭建Web网页平台操作界面，实现用户上传一张果蔬图片识别其名称。
【机器学习】图像识别——计算机视觉在工业自动化中的应用
2202_76097976的博客
10-19 2861
本文详细探讨了图像识别技术在工业自动化中的广泛应用，包括质量控制、物体检测与分拣、机器人视觉导航和安全监控等场景。图像识别依赖于深度学习模型，尤其是卷积神经网络（CNN），其中ResNet、YOLO和Faster R-CNN等模型各有其优势。ResNet适用于高精度检测，YOLO注重实时性，而Faster R-CNN则适合小物体的高精度识别。通过代码示例展示了如何在工业场景中应用YOLO进行物体检测。
FCN网络道路分割实战：代码、数据集与训练成果
资源摘要信息:"基于 FCN 网络对道路的2分割实战【包含数据集、完整代码、训练好的结果、权重文件等等】" 在深度学习领域，FCN（Fully Convolutional Network）网络是一种广泛应用于图像分割任务的神经网络架构。...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值