提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档
第五章:Pytorch模型的定义
前言
本章将结合U-Net模型和torchvision预定义的ResNet模型来探索Pytorch的模型定义方式和训练技巧。
一、模型定义方式
这里的话,李老师给我们定义了一下模型的三种方式:Sequential, ModuleList 和ModelDict
二、如何利用模型块快速搭建复杂网络
组成U-Net的模型块主要有如下几个部分:
1)每个子块内部的两次卷积(Double Convolution)
2)左侧模型块之间的下采样连接,即最大池化(Max pooling)
3)右侧模型块之间的上采样连接(Up sampling)
4)输出层的处理
三、模型修改
假设最后的分割是多类别的,需要对模型特定层进行修改。
四、模型保存与读取
这里相应考虑单卡和多卡情况下的模型存取