paddlepaddle 17 迁移学习-图像分类实战四基于paddle2（paddlehub2）实现静态图的训练与测试

万里鹏程转瞬至

已于 2022-06-16 23:27:08 修改

阅读量745

点赞数

分类专栏： paddlepaddle 文章标签： paddlepaddle 迁移学习 paddlehub

于 2022-02-28 21:05:43 首次发布

本文链接：https://blog.csdn.net/a486259/article/details/123191622

版权

paddlepaddle 专栏收录该内容

57 篇文章 88 订阅 ¥59.90 ¥99.00

订阅专栏

本文档介绍了如何在Paddle2的静态图模式下，利用PaddleIO和PaddleVision库进行数据处理，并结合PaddleHub实现迁移学习的图像分类任务。详细讲解了数据划分、数据加载器、模型获取、Trainer的实现过程，提供了一套完整的训练与测试代码。并分享了博主对于Paddle静态图API的使用建议。

摘要由CSDN通过智能技术生成

基于对paddle.io和paddle.vision两库的探索，发现他们是支持在paddle2静态图模式（paddle.enable_static()）下调用的，因此对paddlehub模型获取，paddle.io数据加载，paddle.vision数据增强进行封装，最终实现用paddle2按照自己的需求训练paddlehub中的静态图。

封装后的训练与测试代码如下所示

#paddlepaddle==2.2
#paddlehub=2.2
import paddle
from utils.Trainer import Trainer,log_print
#构造训练器
trainer=Trainer(input_shape=(256,256),batch_size=32,start_epoch=0,Epochs=200)
#设置学习率调度器，在迁移学习中动态调整学习率记为重要
#scheduler = paddle.optimizer.lr.CosineAnnealingDecay(learning_rate=0.001, T_max=10, verbose=True)
scheduler = paddle.optimizer.lr.ReduceOnPlateau(learning_rate=0.001, factor=0.7, patience=5, verbose=False)
#设置program信息
trainer.init_

了解本专栏