深度學習工程模板：簡化載入數據、構建網路、訓練模型和預測樣本的流程

使用方式

下載工程

創建和激活虛擬環境

安裝Python依賴庫

開發流程

定義自己的數據載入類，繼承DataLoaderBase；

定義自己的網路結構類，繼承ModelBase；

定義自己的模型訓練類，繼承TrainerBase；

定義自己的樣本預測類，繼承InferBase；

定義自己的配置文件，寫入實驗的相關參數；

執行訓練模型和預測樣本操作。

示例工程

識別MNIST庫中手寫數字，工程

訓練：

預測：

網路結構

TensorBoard

工程架構

框架圖

文件夾結構

主要組件

DataLoader

操作步驟：

創建自己的載入數據類，繼承DataLoaderBase基類；

覆寫和，返回訓練和測試數據；

Model

操作步驟：

創建自己的網路結構類，繼承ModelBase基類；

覆寫，創建網路結構；

在構造器中，調用；

注意：支持繪製網路結構；

Trainer

操作步驟：

創建自己的訓練類，繼承TrainerBase基類；

參數：網路結構model、訓練數據data；

覆寫，fit數據，訓練網路結構；

注意：支持在訓練中調用callbacks，額外添加模型存儲、TensorBoard、FPR度量等。

Infer

操作步驟：

創建自己的預測類，繼承InferBase基類；

覆寫，提供模型載入功能；

覆寫，提供樣本預測功能；

Config

定義在模型訓練過程中所需的參數，JSON格式，支持：學習率、Epoch、Batch等參數。

Main

訓練：

創建配置文件config；

創建數據載入類dataloader；

創建網路結構類model；

創建訓練類trainer，參數是訓練和測試數據、模型；

執行訓練類trainer的train()；

預測：

創建配置文件config；

處理預測樣本test；

創建預測類infer；

執行預測類infer的predict()；

原文：https://github.com/SpikeKing/DL-Project-Template

- 加入人工智慧學院系統學習 -

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！