《南溪的目标检测学习笔记》——夏侯南溪模型搭建篇

1 网络模型的设计原则

1.1 归一化原则

对于深度神经网络来说，其输入最好进行归一化的设计，也就是目标值（的encoding）最好归一化到[0,1]的区间内；
参考模型：
YOLOV5——YOLO模型的标注使用的是yolo格式，yolo格式的数据是进行了归一化之后的数据，
​​​​

2 数据载入

2.3 图像文件无法读取？——需要修改当前的工作目录

可以参考下面的代码：
os.chdir(path.dirname(__file__))
其中函数的作用是，
path.dirname(__file__)：获取当前文件的工作目录。

3 定义模型整体结构

3.1 定义网络结构

Step 1：PyTorch本身不会自动检查网络的自洽性，所以需要采取一定的措施，看看能不能实现用代码实现检查网络的自洽性；
我们使用nn.Module容器来定义整个网络；
Step 2：使用模块化的思想来进行网络的构建，这样利于我们对信息和结构进行封装；
下面写作模块初始化的代码，

4.2.1 初始化函数

def __init__(self) -> None:
    super(CNN, self).__init__()
    # 我们需要在父类的初始化函数中传入自身的class
    # Rest of init code

可以看到，在对父类进行初始化时，我们需要在父类的初始化函数中传入自身的class，

听上海高等研究院的朱海浩同学说：“这是为了不用父类名称就可以调用父类函数。”

4.2 模型训练的PyTorch相关设置——model.enter_train_mode()

初始化检测器，记得将网络设置为train模式，

net.train()

将梯度重置为0；

optimizer.zero_grad()

​

​
​

​