BoilingHotPot的博客

本项目实现了基于PyTorch Lightning的神经网络训练和测试管道。项目除了实现PyTorch Lightning的工作流外，还实现了通过任务池在训练过程中添加任务、k折交叉验证、将训练结果保存在.cvs中、接受随机种子进行恢复训练、将模型转换为.onnx和.tflite。项目地址: https://github.com/shenyan233/machine_learning_template。

训练集（Training Dataset）主要在训练阶段使用。当我们的模型训练好之后，我们并不知道他的表现如何。这个时候就可以使用验证集(Validation Dataset)来看看模型在新数据（验证集和测试集是不同的数据）上的表现如何。同时通过调整超参数，让模型处于最好的状态。验证集不像训练集和测试集，它是非必需的。如果不需要调整超参数，就可以不使用验证集，直接用测试集来评估效果。通过测试集（Test Dataset）来做最终的评估。

人工智能的定义、深度学习的理论、传统机器学习的理论、论文阅读笔记

人工智能的一些创新点，经过验证后效果不佳。可以借鉴后修改并发表论文，也可以提前避坑

包括nii格式的打开、图像格式变换、图像尺寸问题、图像处理任务间的区别、数据集等