python 分类 step优化

本文探讨了在使用Python进行深度学习时,特别是在PyTorch框架下,如何通过调整训练过程来优化不平衡数据集的分类问题。介绍了类别平衡策略,包括过采样、欠采样和权重调整等方法,以提高模型对少数类别的识别能力。
摘要由CSDN通过智能技术生成

# -*- coding: utf-8 -*-
from __future__ import print_function, division
import argparse
import torch
import torch.nn as nn
import torch.optim as optim
from torch.autograd import Variable
from torch.utils.data import dataloader
from torchvision import transforms

import time
import os
import platform
import socket
import sys
sys.path.append('../../')

from data.market1501 import Market1501
from data.market_similar import Market_csv_similar
from nets.mobileone import make_mobileone_s0
from nets.model import ft_net, ft_net_dense
from models.skipnet import get_skip
import torch
from torch.nn.functional import one_hot



y_loss = {}  # loss history
y_loss['train'] = []
y_loss['val'] = []
y_err = {}
y_err['train'] = []
y_err['val'] = []

def train_model(model, criterion, optimizer, scheduler, num_epochs=25):
    since = time.time()

    best_model_wts = model.state_dict()
 
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

AI算法网奇

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值