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

你可能感兴趣的:(深度学习,深度学习,opencv,数据挖掘,语音识别,计算机视觉)