weixin_44336912的博客

文章目录前言一、图像-torchvision8.2.1 torchvision简介8.2.2 torchvision.datasets8.2.3 torchvision.transforms8.2.4 torchvision.models8.2.5 torchvision.io8.2.6 torchvision.ops8.2.7 torchvision.utils二、视频-PyTorchVideo8.3.1 PyTorchVideo的主要部件和亮点8.3.2 PyTorchVideo的安装8.3.3 Mod

文章目录前言一、可视化网络结构7.1.1 使用print函数打印模型基础信息7.1.2 使用torchinfo可视化网络结构二、CNN可视化7.2.1 CNN卷积核可视化7.2.2 CNN特征图可视化方法7.2.3 CNN class activation map可视化方法7.2.4 使用FlashTorch快速实现CNN可视化三、使用TensorBoard可视化训练过程7.3.1 TensorBoard安装7.3.2 TensorBoard可视化的基本逻辑7.3.3 TensorBoard的配置与启动7.

文章目录前言一、自定义损失函数6.1.1 以函数方式定义6.1.2 以类方式定义二、动态调整学习率6.2.1 使用官方scheduler6.2.2 自定义scheduler三、模型微调6.3.1 模型微调的流程6.3.2 使用已有模型结构6.3.3 训练特定层四、半精度训练6.4.1 半精度训练的设置总结参考资料前言本篇内容主要是有关PyTorch进阶训练技巧方面的内容，其中包括了自定义损失函数、动态调整学习率、模型微调、半精度训练。一、自定义损失函数PyTorch在torch.nn模块为我们提

文章目录前言一、PyTorch模型定义的方式5.1.1 必要的知识回顾5.1.2 Sequential5.1.3 ModuleList5.1.4 ModuleDict5.1.5 三种方法的比较与适用场景二、利用模型块快速搭建复杂网络5.2.1 U-Net简介5.2.2 U-Net模型块分析5.2.3 U-Net模型块实现5.2.4 利用模型块组装U-Net三、PyTorch修改模型5.3.1 修改模型层5.3.2 添加外部输入5.3.3 添加额外输出四、PyTorch模型保存与读取5.4.1 模型存储格式5