【AI炼丹术】写深度学习代码的一些心得体会

一般情况下，拿到一批数据之后，首先会根据任务先用领域内经典的Model作为baseline跑通，然后再在这个框架内加入自己设计的Model，微调代码以及修改一些超参数即可。总体流程参考如下：

1. 先写dataset部分，包括数据的读取、预处理、增广等操作，将数据集准备好。
2. 然后model部分baseline无需修改，proposed是自行设计，定义模型的结构和参数，建立模型架构。
3. 最后是train部分，这里调用所有的类实现训练：包括定义模型，模型包裹；获取dataloader；定义loss，优化器，学习率，定义early stoping策略；保存模型权重，保存日志。

当然，文无定法。这个顺序并不是固定不变的，也可以根据具体情况作出相应的调整。例如，当你的数据集已经准备好了，可以直接开始定义模型，然后再定义训练过程；或者在进行模型训练之前，先进行数据集的分析和可视化等操作。

体会1

源自：作者三四但不犹豫
对于图像任务:

1. 顺序上，先写dataset部分，检查基本的transform，再搭model&#