C3D模型pytorch源码逐句详析（三）

最新推荐文章于 2023-12-07 20:53:56 发布

zzh1370894823

最新推荐文章于 2023-12-07 20:53:56 发布

阅读量2.4k

点赞数 1

文章标签：深度学习 python 神经网络

本文链接：https://blog.csdn.net/zzh1370894823/article/details/115267066

版权

本文详细分析了C3D模型在PyTorch中的训练源码，包括训练前的参数设置和模型数据加载，以及训练过程中的步骤，如更新学习率、输入模型、计算损失与准确率，并介绍了使用tensorboard记录训练过程和保存训练参数。

摘要由CSDN通过智能技术生成

3.1 源码解析

train.py 讲解

此代码为C3D模型的训练部分，分为训练前的准备，和训练部分两大部分。

1.训练前的准备

1.1 参数的设置

nEpochs = 101  # Number of epochs for training
resume_epoch = 0  # Default is 0, change if want to resume 即参数改变重头训练
useTest = True # See evolution of the test set when training
nTestInterval = 20 # Run on test set every nTestInterval epochs
snapshot = 25 # Store a model every snapshot epochs
lr = 1e-5 # Learning rate

save_dir_root = os.path.join(os.path.dirname(os.path.abspath(__file__)))   # save_dir_root = '...\\C3D'
exp_name = os.path.dirname(os.path.abspath(__file__)).split('/')[-1]   # exp_name = '...\\C3D'

此部分为一些参数的设置
os.path.dirname(–file–) 获取当前运行脚本的路径

1.2 模型和数据集的载入

    model = C3D_model.C3D(num_classes=num_classes, pretrained=False) 
    train_params = [{
   'params': C3D_model.get_1x_lr_params(model), 'lr': lr},
                    {
   'params': C3D_model.get_10x_lr_params(model), 'lr': lr * 10}]

    criterion = nn.CrossEntropyLoss()  
    optimizer = optim.SGD(train_params, lr=lr, momentum=0.9, weight_decay=5e-4)  # 优化方法，梯度下降
    scheduler = optim.lr_scheduler.StepLR(optimizer, step_size=10,
                                          gamma=0.1)

    # 加载数据集
    train_dataloader = DataLoader(VideoDataset(dataset=