手把手实现语义分割项目

手把手视频讲解+代码讲解

1.如何实现输入（完全免费解析直达，致力干货分享）

2.如何实现模型（完全免费解析直达，致力干货分享）

3.如何实现输出（完全免费解析直达，致力干货分享）

截图如下

基础知识必备

Pytorch数据加载顺序

使用pytorch对数据进行批次量读取构建，首先了解其加载数据顺序分为以下三个点。

pytorch中加载数据的顺序分为以下三个点:
1."创建一个 dataset 对象"; 并加入 transforms 数据增强方案;
2."创建一个 dataloader 对象";
3."获取数据集的 mini_batch"; 循环 dataloader 对象, 获取训练样本送入模型进行训练;

其中, 
"1.创建一个 dataset 对象", 继承 pytorch 的 torch.utils.data.Dataset; 一般需要含3个主要函数:
    1.__init__：传入数据, 或者直接加载固化的数据包;
    2.__len__：返回这个数据集一共有多少个item;
    3.__getitem__:  返回一条训练数据, 并将其转换成tensor;

"2.创建一个 dataloader 对象", 采用 pytorch 的 torch.utils.data.DataLoader 整合成 mini_batch;

"3.获取数据集的 mini_batch"

Pytorch搭建模型常用的3种方式如下：

1.使用 nn.Sequential 直接按顺序构建的模型;
2.继承 nn.Module 基类构建自定义模型;
3.继承 nn.Module 基类，通过辅助模型容器(Sequential, ModuleList, ModuleDict)来构建。
辅助模型容器如下：

nn.Sequential：顺序性，各网络层之间严格按顺序执行，用于固定block构建；
nn.ModuleList：迭代性，list形式，用于大量重复网络层构建，通过for循环实现重复构建；
nn.ModuleDict：索引性，dict形式，用于可选择的网络层，key+value调用方式；
部分基础模块(其他可参考 >> Pytorch.nn)：

torch.nn.Conv2d
torch.nn.MaxPool2d, torch.nn.AvgPool2d
torch.nn.BatchNorm2d
torch.nn.ReLU