Pytorch袖珍手册之五

2021-08-20 本文已影响0人深思海数_willschang

pytorch pocket reference
原书下载地址：
我用阿里云盘分享了「OReilly.PyTorch.Pocket.R...odels.149209000X.pdf」，你可以不限速下载🚀
复制这段内容打开「阿里云盘」App 即可获取
链接：https://www.aliyundrive.com/s/NZvnGbTYr6C

第三章基于Pytorch的深度学习开发

该笔记为原书第三章后半部分

模型开发 Model Development

数据准备
模型构建
模型训练
模型验证，调优
模型测试，评价模型
模型实际应用

模型设计
近几年来，模型设计方面得到了很大的发展，不管是在工业界还是在学术界，每年都有很多的相关论文发表出来。

用已有训练好的模型
在实际应用中，若我们面对的问题跟已有模型处理问题相似，前期可以调用已有模型进行训练再微调，这样可以大大提升工作效率。

Pytorch里提供了大部分主流成熟的模型，让大家直接调用，如计算机视觉模型torchvision.models。

from torchvison import models

# pretrained=True，调用已训练好的模型包括结构及参数
vgg16 = models.vgg16(pretrained=True)
# 查看网络结构
print(vgg16)
# out:
# Sequential(
# (0): Linear(in_features=25088,
# out_features=4096, bias=True)
# (1): ReLU(inplace=True)
# (2): Dropout(p=0.5, inplace=False)
# (3): Linear(in_features=4096,
# out_features=4096, bias=True)
# (4): ReLU(inplace=True)
# (5): Dropout(p=0.5, inplace=False)
# (6): Linear(in_features=4096,
# out_features=1000, bias=True)
# )

Linear, ReLU, and Dropout are torch.nn modules. torch.nn is used to create NN layers, activations, loss functions, and other NN components.

torchvision里提供的模型库：https://pytorch.org/vision/stable/models.html

Pytorch Hub里包括了一些不错的已训练好的模型，我们可以通过torch.hub.load()来加载所需的模型。
Pytorch Hub模型库：https://pytorch.org/hub/

torch.nn，Pytorch NN Module

Pytorch的NN模块里提供了各种好用的模块组件，便于我们后续的模型的构建。

示例：简单网络模型
继承于nn.Module，完成 init() 和forward()函数。

init()
模型相关初始化工作
forward()
定义数据在模型中的处理流程

import torch.nn as nn
import torch.nn.functional as F

class SimpleNet(nn.Module):
    def __init__(self):
        super(SimpleNet, self).__init__()
        self.fc1 = nn.Linear(2048, 256)
        self.fc2 = nn.Linear(256, 64)
        self.fc3 = nn.Linear(64, 2)

    def forwar(self, x):
        x = x.view(-1, 2048)
        x = F.relu(self.fc1(x))
        x = F.relu(self.fc2(x))
        x = F.softmax(self.fc3(x), dim=1)
        return x

模型设计一般流程：