![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
案例代码总结
文章平均质量分 79
盏云
这个作者很懒,什么都没留下…
展开
-
深度学习:GAN优化方法-DCGAN案例
目录案例1:鲜花生成具体实现数据展示数据分类(processdata.py)数据预处理(data.py;可反复使用)模型Generator,Discriminator,权重初始化(model.py)(1)导入包(2)Discriminator(3)Generator(4)权重初始化网络训练(net.py)主函数(main.py)(1)导入包(2)定义超参数(3)实例化(4)进行训练结果展示epoch=20epoch=100案例2: 动漫人脸生成数据集定义超参数定义生成器定义判别器训练生成器生成图片主函数结果原创 2021-10-19 19:27:06 · 2205 阅读 · 3 评论 -
深度学习:迁移学习-案例写法总结
目录案例一:猫狗分类参数微调特征提取的方法总结案例一:猫狗分类参考:猫狗分类迁移学习案例详解代码位置:E:\项目例程\猫狗分类\迁移学习\猫狗_resnet18_2 \猫狗分类_迁移学习可视化参数微调该方法使用预训练的参数来初始化我们的网络模型,修改全连接层后再训练所有层。# 加载预训练模型model_ft = models.resnet18(pretrained=True)# 获取resnet18的全连接层的输入特征数num_ftrs = model_ft.fc.in_feature原创 2021-10-06 16:33:14 · 576 阅读 · 0 评论 -
深度学习:训练、验证,保存模型,加载模型,测试,代码-案例写法总结
@[TOC]目录案例一:猫狗分类参考:猫狗分类迁移学习案例详解代码位置:E:\项目例程\猫狗分类\迁移学习\猫狗_resnet18_2 \猫狗分类_迁移学习可视化定义训练+验证函数#----训练模型-----import copydef train_model(model, criterion, optimizer, scheduler, num_epochs=10): t1 = time.time() best_model_wts = copy.deepcopy(mode原创 2021-10-06 15:39:01 · 13179 阅读 · 1 评论 -
深度学习:可视化-结果loss acc可视化及测试数据显示
一 迁移学习1理论1.1what经有猫的分类器模型了,没必要从头开始训练,你可以将猫分类器模型的网络结构和参数迁移到训练狗的分类器模型中,然后稍微修改一下就能使用了1.2优点更高的起点。微调前,源模型的初始性能比不使用迁移学习高。更高的斜率。训练中,源模型的提升速率比不使用迁移学习高。更高的渐进。训练得到的模型的收敛性比不使用迁移学习更好。1.3迁移学习的方法实现迁移学习主要有两种常见的方法:Convnet微调:代替随机初始化,我们使用预训练的网络初始化我们的模型,,修改全连接层后再训练原创 2021-10-05 19:30:50 · 11053 阅读 · 0 评论 -
深度学习:数据预处理_案例写法汇总
目录案例一:猫狗分类数据集展示:数据增强数据读取,加载查看数据集数量及种类训练数据可视化案例一:猫狗分类参考:https://blog.csdn.net/qq_42951560/article/details/109950786.代码位置:E:\项目例程\猫狗分类\迁移学习\猫狗_resnet18_2 \猫狗分类_迁移学习可视化数据集展示:数据增强#---数据增强----data_transforms = { 'train': transforms.Compose([原创 2021-10-05 20:15:31 · 1760 阅读 · 0 评论