学习一个Github深度学习库

###本博客参考博主Bubbliiiing的博客，汇总了一些，做个笔记。###

b站视频参考：如何下载与打开一个Github深度学习库_哔哩哔哩_bilibili

原博客如下：

如何下载与打开一个Github深度学习库

初入深度学习1——如何下载与打开一个Github深度学习库_Bubbliiiing的博客-CSDN博客_深度学习教程github

windows: Download Zip（借助clash）

linux:        git clone        :git clone HTTPS网址信息

如何使用一个深度学习库 

初入深度学习2——如何使用一个深度学习库_Bubbliiiing的博客-CSDN博客

深度学习仓库包含三个部分，第一部分是环境配置，第二部分是训练，第三部分是预测。

一、环境配置

安装requirements.txt

pip install -r requirements.txt # install

需要CUDA\CUDNN另说

二、训练复现

训练部分其实主要也是看Readme，Readme一般会有个上手指南，关键词一般是train

三、预测复现

预测部分其实主要也是看Readme，Readme一般会有个上手指南，关键词一般是predict或者Inference（当然也有别的，比如detect、image等）

如何分解与学习一个深度学习库

初入深度学习3——如何分解与学习一个深度学习库_Bubbliiiing的博客-CSDN博客_深度学习库

 深度学习库的功能包括两个部分，一部分是训练模型，另一部分是利用模型进行预测。
在训练模型时，需要考虑模型本身，训练参数，数据加载与损失函数。
在预测模型时，需要考虑模型本身，数据加载，预测后处理。

综合起来，一个能用的深度学习库需要包含如下5个部分：
模型本身，训练参数，数据加载，损失函数，预测后处理。

一、模型

模型本身在仓库中的名字是net（网络）或者model（模型）

二、训练参数

训练参数一般伴随着训练文件，因此一般在train.py文件里面，每一个库指定参数的方式不同，有些喜欢通过yaml文件指定，有些喜欢通过cfg文件指定，有些甚至通过py文件指定，都不一样，这个需要参考每一个库的组成去分析。但大多数库都可以在train.py文件中找到蛛丝马迹。

三、数据加载

数据加载分为两部分，一部分是训练的数据加载，另一部分是预测的数据加载。

1、训练部分

训练的数据加载其实是非常重要的，直接关系到模型的训练，监督模型在训练时加载的数据一般分为两部分，一部分是输入变量，通常是图片；另一部分是标签，在目标检测中就是图片对应的框的坐标，在语义分割中就是每个像素点的种类。

一般来讲，数据加载部分，模型本身在仓库中的名字是data、datasets或者dataloader。

2、 预测部分

预测部分

预测的数据加载和训练的数据加载相比，少了数据增强与标签处理的部分，因此会相对简单一些，主要是对输入图片进行预处理。
既然是预测部分的数据预处理，我们需要从预测文件开始寻找。

四、损失函数

一般来讲，损失函数在仓库中的名字是Loss（损失），Loss函数是模型优化的目标，在训练过程中Loss理论上是要被越优化越小的。

五、结果可视化

如何修改一个深度学习库

初入深度学习4——如何修改一个深度学习库_Bubbliiiing的博客-CSDN博客

对于在修改仓库前，需要根据所需要修改的功能对需要修改的目标进行定位：

想要对网络结构进行改进，那么就定位到模型本身，然后修改网络结构的特定部分。
想要对训练参数进行改进，那么就定位到训练参数，然后查找各个参数的作用，进一步进行修改。
想要对数据增强进行改进，那么就定位到数据加载，然后分解其中数据增强的部分，修改数据增强的过程。
想要对损失函数进行改进，那么就定位到损失函数，然后分解其中的回归部分、分类部分等，进一步对细节进行修改。
想要对预测结果进行改进，那么就定位到预测后处理，然后根据自身需求，分解每个输出的作用，进一步修改。