「百度飞桨领航团图像分类零基础速成营」学习笔记

一、准备数据

1、建立样本数据读取路径与样本标签之间的关系。

2、构造读取器与数据预处理。自定义数据读取器，继承PaddlePaddle2.0的dataset类，在__getitem__方法中把自定义的预处理方法加载进去。

二、建立模型

先选用比较成熟的基础模型，看看基础模型所能够达到的准确度。之后再试试模型融合，准确度是否有提升。

三、应用高阶API训练模型

1、定义输入数据形状大小和数据类型。

2、实例化模型。如果要用高阶API，需要用Paddle.Model()对模型进行封装，如model = paddle.Model(model,inputs=input_define,labels=label_define)。

3、定义优化器。这个使用Adam优化器，学习率设置为0.0001，优化器中的学习率(learning_rate)参数很重要。要是训练过程中得到的准确率呈震荡状态，忽大忽小，可以试试进一步把学习率调低。

4、准备模型。这里用到高阶API，model.prepare()。

5、训练模型。这里用到高阶API，model.fit()。

四、应用已经训练好的模型进行预测

1、构建数据读取器。因为预测数据集没有标签，该读取器写法和训练数据读取器不一样，建议重新写一个类，继承于Dataset基类。

2、实例化模型。如果要用高阶API，需要用Paddle.Model()对模型进行封装，如paddle.Model(MyNet(),inputs=input_define)，由于是预测模型，所以仅设定输入数据格式就好了。

3、读取刚刚训练好的参数。这个保存在/home/aistudio/work目录之下，如果指定的是final则是最后一轮训练后的结果。可以指定其他轮次的结果，比如model.load('/home/aistudio/work/30')，这里用到了高阶API，model.load()

4、准备模型。这里用到高阶API，model.prepare()。

5、读取待预测集合中的数据，利用已经训练好的模型进行预测。

6、结果保存。