深度学习实验要点

• 图像处理分为RGB和灰度图（三通道和单通道区别， 在网络第一层有区别）
• 特征灰度图不适合数据增强，因为破坏了语义信息。
  • 例如向上的箭头向右旋转90°，成为了向右的箭头，但正常的人像向右旋转还是这个人像
• 考虑实验复现效果，应该在模型训练、数据集读取之前设置好随机种子

def setup_seed(seed):
    torch.manual_seed(seed)
    torch.cuda.manual_seed_all(seed)
    np.random.seed(seed)
    random.seed(seed)
    torch.backends.cudnn.benchmark = False
    torch.backends.cudnn.deterministic = True

• 注意batch、epoch、round、normalize的stu和var等数值的设置

• 减小交互需要，编写脚本文件run.sh

#!/bin/bash
python a.py --dataset abc
python b.py --dataset abc
...

• 实验一般有多次取平均的需求，较好的思路是在外套一个实验总次数的for循环，每一次运行完后保存该次结果到log文件夹，并且程序里用变量累加指标，最后再取平均，并将平均结果也存在log文件夹下