解析复杂深度学习项目构建

从tea出发

    start_time = datetime.datetime.now()args = parser.parse_args()

导入相关参数

 num_class, args.train_list, args.val_list, prefix = dataset_config.return_dataset(args.dataset,args.modality)

从data_config.py中导出数据集的相关信息

full_arch_name = args.archif args.shift:full_arch_name += '_shift{}_{}'.format(args.shift_div, args.shift_place)args.store_name = '_'.join([args.experiment_name, args.dataset, args.modality, full_arch_name, args.consensus_type, 'segment%d' % args.num_segments,'e{}'.format(args.epochs)])if args.pretrain != 'imagenet':args.store_name += '_{}'.format(args.pretrain)if args.lr_type != 'step':args.store_name += '_{}'.format(args.lr_type)if args.dense_sample:args.store_name += '_dense'if args.suffix is not None:args.store_name += '_{}'.format(args.suffix)print('storing name: ' + args.store_name)

训练结果存储

model = TSN(num_class, args.num_segments, args.modality,base_model=args.arch,consensus_type=args.consensus_type,dropout=args.dropout,img_feature_dim=args.img_feature_dim,partial_bn=not args.no_partialbn,pretrain=args.pretrain,is_shift=args.shift, shift_div=args.shift_div,shift_place=args.shift_place,fc_lr5=not (args.tune_from and args.dataset in args.tune_from),)

导入模型

crop_size = model.crop_sizescale_size = model.scale_sizeinput_mean = model.input_meaninput_std = model.input_stdpolicies = model.get_optim_policies()train_augmentation = model.get_augmentation(flip=False if 'something' in args.dataset else True)import pdb; pdb.set_trace()with torch.no_grad():model = torch.nn.DataParallel(model, device_ids=[0, 1]).cuda()#并行计算

相关参数导出及设置并行计算，其中GPU的数量由实际情况设置

 # Add specific initialized lr and weight_decay for each groupfor param_group in policies:param_group['lr'] = args.lr * param_group['lr_mult']param_group['weight_decay'] = args.weight_decay * param_group['decay_mult']

设置初始化的学习率

 optimizer = torch.optim.SGD(policies,momentum=args.momentum)

设置优化器

    if args.resume:#用来设置是否从断点出继续训练if os.path.isfile(args.resume):print(("=> loading checkpoint '{}'".format(args.resume)))checkpoint = torch.load(args.resume)args.start_epoch = checkpoint['epoch']best_prec1 = checkpoint['best_prec1']model.load_state_dict(checkpoint['state_dict'])optimizer.load_state_dict(checkpoint['optimizer'])print(("=> loaded checkpoint '{}' (epoch {})".format(args.evaluate, checkpoint['epoch'])))else:print(("=> no checkpoint found at '{}'".format(args.resume)))

通过预训练模型训练
…

解析复杂深度学习项目构建相关推荐

经验之谈 | 如何从零开始构建深度学习项目？
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达在学习了有关深度学习的理论课程之后,很多人都会有兴趣尝试构建一个属 ...
如何从零开始构建深度学习项目？这里有一份详细的教程
点击上方"迈微AI研习社",选择"星标★"公众号重磅干货,第一时间送达来源丨机器之心在学习了有关深度学习的理论课程之后,很多人都会有兴趣尝试构建一个属于自 ...
【深度学习】——利用pytorch搭建一个完整的深度学习项目（构建模型、加载数据集、参数配置、训练、模型保存、预测）
目录一.深度学习项目的基本构成二.实战(猫狗分类) 1.数据集下载 2.dataset.py文件 3.model.py 4.config.py 5.predict.py 一.深度学习项目的基本构成 ...
手把手教你从零到一搭建深度学习项目（附PDF下载）
来源:机器之心作者:Jonathan Hui 本文约14000字,建议阅读10+分钟. 本文将会从第一步开始,告诉你如何解决深度学习项目开发中会遇到的各类问题. 在学习了有关深度学习的理论之后,很多 ...
如何在实际中计划和执行一个机器学习和深度学习项目
2019-11-27 20:27:28 作者:Sayak Paul 编译:ronghuaiyang 导读做研究打比赛和真正的做一个机器学习和深度项目是不一样的,如果你有这方面的困惑的话,可以看看这篇 ...
如何设计一个深度学习项目
作者:chen_h 微信号 & QQ:862251340 微信公众号:coderpai 我的博客:请点击这里目前,有很多关于深度学习的线上和线下技术资源.每天,技术人员都会发表很多的新的论文 ...
GitHub 上 57 款最流行的开源深度学习项目【转】
GitHub 上 57 款最流行的开源深度学习项目[转] 2017-02-19 20:09 334人阅读评论(0) 收藏举报分类: deeplearning(28) from: https:// ...
深度学习项目，使用python进行表情识别，pytorch应用
文章目录前言一.深度学习是什么? 二.数据的预处理 1.数据分类 2.代码三.构建模型与训练 1.模型与代码 2.使用方法四.实时识别总结前言这个项目是以前课设用到的功能之一,参考了其他 ...
【深度学习】Github 最受欢迎的深度学习项目 TOP 20
必须做好一些是LINUX平台,甚至没有教材根本需要摸索学习的准备,如果有那个变成为在线服务的请第一时间通知我们截止到 2017年 5月14日,Github 最受欢迎的深度学习项目 TOP 20 是哪 ...

解析复杂深度学习项目构建

解析复杂深度学习项目构建相关推荐

最新文章

热门文章