Pytorch模型训练(0) - CPN源码解析

《CPN源码解析》

0 博客目录

Pytorch模型训练(0) - CPN源码解析
Pytorch模型训练(1) - 模型定义
Pytorch模型训练(2) - 模型初始化
Pytorch模型训练(3) - 模型保存与加载
Pytorch模型训练(4) - Loss Function
Pytorch模型训练(5) - Optimizer
Pytorch模型训练(6) - 数据加载

1 前言

 本人在博客2D多人关键点–《Cascaded Pyramid Network for Multi-Person Pose Estimation》中简述了CPN的原理，这里则来解析下其源码；论文作者提供的源码是tensorflow版本的，之前有人分析过了；正好还有个pytorch版本的CPN
 本人想通过这份源码的学习来总结学习Pytorch模型训练的一些相关知识；pytorch-cpn这份源码结构清晰，知识点丰富，非常适合拿来当学习案例

2 源码结构

1. 256.192.model与384.288.model：只是模型不同，其他类似；下面是train和test脚本

   	（下载链接：
   	https://pan.baidu.com/s/1IAIoT69m1xZAIo8Rax4ElQ 
   	提取码：2zzq 
   	复制这段内容后打开百度网盘手机App，操作更方便哦）
   

2. cocoapi：这是COCO数据集提供的操作数据的一些接口函数包

3. data：放COCO数据的文件夹

4. dataloader：数据加载包

5. networks：网络结构包

6. utils：其他功能函数包

7. label_transform.py：COCO的人体关键点label文件转换脚本

 根据自己学习经验，将代码分解成下面4个模块：
 1 CPN模型

• 模型定义
• 模型初始化
• 模型保存和加载

 2 Loss函数和优化器

• Loss Function
• Optimizer

 3 数据加载

• 数据加载

 4 模型监控

• 主要是训练过程中，监控loss变化，或valid预测效果等
• 训练可视化

  PyTorch 中使用 TensorBoardX 对神经网络进行统计可视化，如Loss 曲线、Accuracy 曲线、卷积核可视化、权值直方图及多分位数折线图、特征图可视化、梯度直方图及多分位数折线图及混淆矩阵图等
  TensorBoardX是借助TensorFlow的tensorboard，模型训练也不是非要可视化，所以这部分暂时先不更新，以后有时间再总结