神經(jīng)網(wǎng)絡(luò)的一致性
時間：2022-03-16 09:42:02 | 來源：行業(yè)動態(tài)
時間：2022-03-16 09:42:02 來源：行業(yè)動態(tài)
：在項目中提供3個train_model_xxx.ipynb，其中train_model.ipynb使用最經(jīng)典的AlexNet神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，其對應(yīng)的演示腳本就是前一篇文章的live_demo.ipynb，這是針對AlexNet神經(jīng)網(wǎng)絡(luò)的推理應(yīng)用。
如果在這里選擇使用改良過的ResNet18神經(jīng)網(wǎng)絡(luò)（train_model_resnet18.ipynb腳本），則演示的時候就得使用相同神經(jīng)網(wǎng)絡(luò)的live_demo_resnet18.ipynb，這些對應(yīng)不能有錯。
至于還有兩個與trt相關(guān)的演示腳本，也都是基于ResNet18神經(jīng)網(wǎng)絡(luò)的延伸功能，先用live_demo_resnet18_build_trt.ipynb腳本將best_model.pth轉(zhuǎn)換成TensorRT加速引擎的best_model_trt.pth，再用live_demo_resnet18_trt.ipynb調(diào)用進行演示，這會在推理過程使用更少的計算資源。
另外還有個train_model_plot.ipynb訓(xùn)練腳本，則是在AlexNet神經(jīng)網(wǎng)絡(luò)基礎(chǔ)上添加可視化的檢視功能，對于模型訓(xùn)訓(xùn)練并沒有什么影響。
訓(xùn)練腳本里面的絕大部分參數(shù)都是經(jīng)過優(yōu)化處理的，除非您對這個神經(jīng)網(wǎng)絡(luò)相當熟悉，否則就不需要去改動，除了以下3個可以進行調(diào)整：
- batch_size：在Create data loaders to load data in batches步驟的train_loader與test_loader的batch_size可以根據(jù)設(shè)備顯存進行調(diào)整。
- NUM_EPOCHS：訓(xùn)練回合數(shù)，基本上用30回應(yīng)該足夠，通常20回可能已經(jīng)進入收斂狀態(tài)。
- BEST_MODEL_PATH：最終輸出文件名，這個訓(xùn)練腳本會在訓(xùn)練回合數(shù)中找出精確度最高的一次結(jié)果，然后存成指定文件名。如果您要面向多個不同場地的話，可能需要訓(xùn)練多個模型，就可以自行設(shè)定。
-
關(guān)鍵詞：網(wǎng)絡(luò),神經(jīng)
在線咨詢