文章预览
今天我们来聊聊在训练过程中如何进行实验的一些技巧,并且会 结合理论、代码片段以及完整的流程示例来讲解。 主要涵盖以下几点: 目标是建立一套系统,让大家能够使用不同的超参数/设置多次训练模型,并客观地选出最佳模型,同时确保不遗漏任何关键信息。 示例将基于图像分类问题展开,采用PyTorch、Hydra、Wandb.ai等工具,但你可以根据需求替换为其他工具。 所有代码片段均来源于实战项目,我已经和pytorch学习仓库一起打包好了。 其中包含了pytorch函数手册、pytorch模型训练教程、pytorch入门教程、pytorch项目实战(包含代码) 大家可以小助手,让她发给你(添加后直接发文章标题截图给她就行)。 数据集划分 我们可以将数据集分为训练集、验证集和测试集。 你可以使用随机划分,如果数据集不平衡(这在实际应用中很常见),则可以使用
………………………………