零基础使用飞桨VisualDL轻松实现可视化调参目录
零基础使用飞桨VisualDL轻松实现可视化调参
VisualDL 是一个面向深度学习任务设计的可视化工具。VisualDL 利用了丰富的图表来展示数据,用户可以更直观、清晰地查看数据的特征与变化趋势,有助于分析数据、及时发现错误,进而改进神经网络模型的设计。
此篇分享将通过PaddleDetection完成一个简单的PCB电路版瑕疵目标检测的模型训练,并在此过程中跟大家分享如何在训练中使用VisualDL的Scalar和VDL.service功能来轻松实现可视化调参。
如有小伙伴对本地开发环境配置并不擅长,想尝试在线版项目,可前往我在AI Studio公开的一个项目,fork下来就能直接运行啦~
项目地址:https://aistudio.baidu.com/aistudio/projectdetail/1195160
1 背景介绍
-
通过使用VisualDL的VDL.service功能,我们可以便捷高效地分享可视化后的训练结果。
-
此篇分享所使用的数据集是印刷电路板(PCB)瑕疵数据集,这是一个由北京大学发布的公共合成PCB数据集,其中包含1386张图像以及6种缺陷(缺失孔,鼠标咬伤,开路,短路,杂散,伪铜),用于检测,分类和配准任务。我们选取了其中适用与检测任务的693张图像,随机选择593张图像作为训练集,100张图像作为验证集。
-
此篇分享还使用到了PaddleDetection端到端目标检测开发套件,PaddleDetection旨在帮助开发者更快更好地完成检测模型的组建、训练、优化及部署等全开发流程。PaddleDetection模块化地实现了多种主流目标检测算法,提供了丰富的数据增强策略、网络模块组件(如骨干网络)、损失函数等,并集成了模型压缩和跨平台高性能部署能力。对此不太了解的小伙伴可以前往其官方仓库(https://github.com/PaddlePaddle/PaddleDetection)先做一个简单的了解。如过你是初次接触PaddleDetection,对安装配置这些并不了解,可以参考我之前在B站上发的一个安装教程(https://www.bilibili.com/video/BV1Lk4y1171x/)。
-
此篇分享提供配套的视频教程,地址是:https://www.bilibili.com/video/BV1WK4y1j7Db/,如有帮助,还请点个赞哦~
VisualDL开源的功能不只此篇分享里提到的Scalar和VDL.service,还有许多实用的功能,感兴趣的小伙伴欢迎前往VisualDL的官方GIthub查看更多细节,如觉得有所帮助,可以给VisualDL的仓库点个Star来支持官方把这个实用便捷的开源工具越做越好~
VisualDL的Github地址:https://github.com/PaddlePaddle/VisualDL
VI