Samar-blog

导航

2025年11月24日 #

P28_完整的模型训练套路（三）

摘要： 本节进行训练细节总结 打开官网：torch.nn.Module，可以查看train mode 和eval mode .train()和.eval()只对特定层如Dropout和BatchNorm层起作用，但是最好还是加上； 即在训练开始前加上.train()，在测试开始前加上.eval(): 点击查 阅读全文

posted @ 2025-11-24 22:27 风居住的街道DYL 阅读(4) 评论(0) 推荐(0)

P27_完整的模型训练套路（二）

摘要： 如何辨别模型在训练过程中有没有训练好以及有没有达到我需要训练的需求？ 不需要对模型进行调优了，直接利用现有的模型来进行一个测试: 9.测试步骤开始： 用with torch.no_grad():环境取消梯度 点击查看代码 #9.测试步骤开始： total_test_loss = 0 with tor 阅读全文

posted @ 2025-11-24 22:26 风居住的街道DYL 阅读(6) 评论(0) 推荐(0)

P26_完整的模型训练套路（一）

摘要： 1.准备数据集 训练数据集和测试数据集 点击查看代码 #1.准备数据集 #1.1训练数据集 from torch import nn from torch.utils.data import DataLoader train_data = torchvision.datasets.CIFAR10(" 阅读全文

posted @ 2025-11-24 20:15 风居住的街道DYL 阅读(6) 评论(0) 推荐(0)

P25_网络模型的保存与读取

摘要： 25.1网络模型的保存 （1）保存方式1:模型结构+模型参数 点击查看代码 import torch import torchvision vgg16 = torchvision.models.vgg16(pretrained=False) #保存方式1,模型结构+模型参数 torch.save(v 阅读全文

posted @ 2025-11-24 19:57 风居住的街道DYL 阅读(5) 评论(0) 推荐(0)