该博客深入探讨了深度学习模型的训练逻辑，包括主要的main.py入口、配置参数设置、Solver模块的使用以及网络库的选择。在优化器逻辑部分，详细介绍了如何创建网络、设置优化器和学习率调度，以及利用amp进行混合精度训练。监督逻辑部分讲解了训练过程中的损失函数计算，特别是针对GAN模型的损失整合。整个内容对理解深度学习模型的训练流程极具指导意义。
一 主逻辑
1 main.py
、
2 （exp_name, arg_config, path_config）
arg_config是在config.py文件中设置的
3 Solver的导入位置：
->下面进入solver.py
a 这里network_lib是由下得来
b self.arg_dict['model']由下得来：
因此查下self.arg_dict['model']的config文件中的键值对即可
这里的MINet_VGG16来自于network文件夹中的MINet.py文件中的MINet_VGG16这个类
二 优化器逻辑
1 创建self.net用于优化器设置
2 创建优化器
3 设置调度安排（貌似可有可无）
3 设置amp加速
a 设置优化器梯度为0
b 输入数据读入gpu
c 网络预测
d 监督loss
e amp的loss反向传播
三 监督逻辑
sovler.py 里面的def train(self):里面的内容
train_preds是预测结果
trin_masks是标签
self.loss_funs是损失
这里是loss的设置 = BCE+CEL
注意GAN的第一轮循环这里要加GAN的 loss
因此要对get_total_loss做改进
扫一扫
383
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
