weixin_44422920的博客

学习率学习率（Learning Rate）作为网络中重要的一个超参数，其设置的好坏决定了目标函数能否收敛到局部最小值以及何时收敛到最小值。在Deeplab中提出的Poly学习率策略。# 创建学习率更新策略，这里是每个step更新一次学习率，以及使用warmupdef create_lr_scheduler(optimizer, num_step: int, epochs: int,

重构网络模型问题：若网络模型为ResNet-50，想取出layer4和layer3作为网络的最终输出。在语义分割中是常需要用到的操作。将layer4作为主输出，layer3用于辅助输出。分类网络如GoogLeNet。解决：首先需要重构原本ResNet-50，将layer3、layer4与其输出值定义为一个字典:{‘layer4’: ‘main_out’, ‘layer3’: ‘aux_out’}, 使用IntermediateLayerGetter将网络最终的输出调整为一个有序字典的形式，layer3