haimianjie2012的专栏

与pytorch框架对比模型对比darknet resnet34在ImageNet上预训练，top1:72.4,top5:91.1.调整学习率策略：pytorch exp_lr_scheduler = lr_scheduler.StepLR(optimizer_ft, step_size=7, gamma=0.1)torch.optim.lr_scheduler：调整学习率darknet:调整策略为poly，darknet源代码中的公式int batch_num.

发电房

1.resnet简介18是简化版34是18翻个倍50是34的加bottleneck版，实际没变101是在50的基础上加厚第四层的卷积块152是在50的基础上加厚第三层和第四层的卷积块至于为什么是这些数字，18和34应该是为了对标VGGNet参考资料：PyTorch源码解读之torchvision.models2.可视化深度学习7：TensorBoard使用方法python学习笔记之tensorboard绘制结构曲线分析各参数...

1.学什么机器学习模型训练步骤包括：数据、模型、损失函数、优化器。数据：就是如何读取数据、如何组织数据进行训练、图片如何进行预处理及数据增强。模型：如何构建模型模块？如何组织网络？如何初始化网络参数？如何定义网络层？损失函数：如何创建损失函数？如何设置损失函数超参数？如何选择损失函数？优化器：如何管理模型参数？如何管理多个参数组实现不同学习率？如何调整学习率？迭代训练：如何观察训练效果？如何绘制Loss/Accuray曲线？如何用TensorBoar.

1.模型的加载与保存2.断点续训练

习题练习张量与矩阵、向量、标量的关系是怎么样的？ Variable“赋予”张量什么功能？ 自动求导 采用torch.from_numpy创建张量，并打印查看ndarray和张量数据的地址； 实现torch.normal()创建张量的四种模式。张量定义张量创建：直接创建...

张量的操作1.张量的拼接与拆分1.1torch.cat()1.2torch.stack()1.3torch.chunk()1.4torch.split()2.张量的索引2.1torch.index_select()2.2masked_select()3.张量变换3.1torch.reshape()3.2torch.transpose()变换张量的两个维度3.3torch.t()3.4torch.squeeze()3.5torch.unsqueeze

1.torch.autograd1.1torch.autograd.barkward()自动求梯度。参数：tensor:用于求导的张量；retain_graph:保存计算图；create_graph:创建导数计算图，用于高阶求导；grad_tensors:多梯度权重；# ====================================== retain_graph ==============================================# flag = T

拆分RMB_DATA数据集1.os.path.dirnameimport osBASE_DIR = os.path.dirname(os.path.abspath(__file__))print("Base_dir:", BASE_DIR)print("abspath:",os.path.abspath(__file__))os.path.dirname(path)作用：去掉文件名，返回目录os.path.abspath(__file__) 作用： 获取当前脚本的完整路径os..