深度学习笔记018：数据增广与模型微调+Efficientnet微调+unexpected EOF, expected 309663195 more byte

原创已于 2022-02-03 18:01:39 修改 · 373 阅读

CC 4.0 BY-SA版权

文章标签：

于 2021-07-10 17:21:53 首次发布

180 篇文章

订阅专栏

本文探讨了数据增强作为训练过程中的正则项，如何提升模型泛化能力，并介绍了微调技术在大规模预训练模型迁移中的重要性。通过实例展示EfficientNet微调方法，以及如何下载和使用预训练模型如ResNet和AlexNet。

部署运行你感兴趣的模型镜像

数据增广

在这里插入图片描述

在这里插入图片描述
$数据增强可看成是一种正则项，只在训练的时候作用，在测试的时候就不进行相应的增强了$

在这里插入图片描述

$“ 微调我认为是计算机视觉深度学习中最重要的一个技术 ”$
在这里插入图片描述

$你希望在一个很大的数据集上训练出来的参数能够适用你自己的样本$

在这里插入图片描述

或根据

Downloading: "https://github.com/lukemelas/EfficientNet-PyTorch/releases/download/1.0/efficientnet-b4-6ed6700e.pth" to 位置

中的链接下载文件，然后放到对应的位置

import torchvision.models as models
#pretrained=True就可以使用预训练的模型
resnet18 = models.resnet18(pretrained=True)
alexnet = models.alexnet(pretrained=True)

在这里插入图片描述

您可能感兴趣的与本文相关的镜像

Llama Factory

模型微调

LLama-Factory

LLaMA Factory 是一个简单易用且高效的大型语言模型（Large Language Model）训练与微调平台。通过 LLaMA Factory，可以在无需编写任何代码的前提下，在本地完成上百种预训练模型的微调