深度学习入门实践1

如果想简单test一下可以用

1.yolov5这个识别模型，新且教程丰富上手快 YOLOV5训练自己的数据集（超详细完整版）

2.猫狗大战 猫狗照片分类 金典 简单 Pytorch分类实例之猫狗大战

一般来说比较热门的模型会有很多详细介绍的博客

1.下载好你想要的模型代码 gitee 或者 github 建议学习一下git操作

2.读Readme 创建配置虚拟环境

有requirements.txt最好 （直接创环境，然后pip install -r requirements.txt）否则就按他需要啥自己配

3.(Train)训练自己的数据集 如果其就是自己需要的数据集模型就不用

（1）数据预处理， 寻找你需要的数据集，将数据处理成需要的格式 一般别人的模型数据只是一个简单的实例，可能并不适用于自己的情况；

（2）调参 修改一些参数，大部分是跟着感觉来的 然后效果好选一下，大部分时候调参是为了适合自己训练的东西（数据等），没必要调太多，直接用别人其实也能用；

（3）训练，不建议本地训练 我一个朋友yolov5 90张图片 300epoch 本地用了一天多，我服务器就用了10分钟

4.获取模型并使用

获取train后的.pt文件，一般的模型会告知保存在哪，替换之前使用的就可以用于自己的数据对象。剩下可能就是写一写接口和部署到实物等等了。

5.服务器训练实践（1）猫狗大战 超简单实践

如何在云服务器上跑深度学习的代码？(ResNet50为例)云服务器跑代码

个人看法：JupyterLab实践相对简单，我平常使用xshell链接使用的linux可能更加复杂，

矩池云是我个人使用比较下觉得最适合深度学习入门实践的平台，像其他几个难度确实比较大

推荐一个比较好的学习平台：PaddlePaddle 百度飞桨 比较全面所有相关的类都有，如免费算力，数据集，模型库，学习资料教程等等，局限性 大部分基于Paddle框架，当然算力也能使用其他框架。

相关资料：

图片分类 猫狗大战 pytorch VGG_

pytorch vgg16 猫狗识别