9、深度学习与计算机视觉：从基础到实践

深度学习与计算机视觉：从基础到实践

1. 深度学习开发基础流程

在深度学习开发中，构建一个基础的流程至关重要。以 Ignite 为例，返回的处理程序具备普通事件处理程序的所有特性，可用于处理 Ignite 触发的任何事件。例如，我们可以为 ITERATION_COMPLETED 事件设置处理程序：

dirname = 'path/to/checkpoint/directory'
objects_to_checkpoint = {"model": model, "optimizer": optimizer}
engine_checkpoint = ModelCheckpoint( 
    dirname=dirname, 
    to_save=objects_to_checkpoint, 
    save_interval=100)
trainer.add_event_handler(Events.ITERATION_COMPLETED, engine_checkpoint)

这里的触发机制会在每次 ITERATION_COMPLETED 事件发生时调用处理程序，但我们希望每一百次迭代才保存一次。由于 Ignite 没有定制事件的方法，它允许用户在处理程序内部进行检查。以下代码展示了如何在检查点处理程序中实现这一功能：

if engine.state.iteration % self.save_interval !=0:
    save_checkpoi