Автор|facebookresearch Компиляция|Флин Источник | Гитхаб
тренироваться
Из предыдущего урока у вас, вероятно, теперь есть пользовательская модель и загрузчик данных.
Вы можете создать свой собственный оптимизатор и написать логику обучения: использование PyTorch, как правило, простое и позволяет исследователям более четко видеть всю логику обучения и иметь полный контроль. Один из таких примеров приведен в tools/plain_train_net.py. (инструменты/plain_train_net.py:GitHub.com/Facebook Рес…)
Мы также предоставляем стандартизированную абстракцию «тренера», минимальную систему хуков (обнаружить Ron2. прочитать документ S.IO/modules/…), что помогает упростить стандартные типы обучения.
Вы можете использовать SimpleTrainer().train() , который обеспечивает минимальную абстракцию для обучения с одним оптимизатором и одним источником данных с одной стоимостью. встроенныйtrain_net.py
Сценарий использует DefaultTrainer().train() , который содержит более стандартное поведение по умолчанию, которое можно было бы выбрать. Это также означает, что с меньшей вероятностью будет поддерживаться какое-то нестандартное поведение, которое вам может понадобиться во время исследования.
- SimpleTrainer().train(): обнаружить Ron2. прочитать документ S.IO/modules/…
- DefaultTrainer().train() обнаружить Ron2. прочитать документ S.IO/modules/…
Чтобы настроить цикл обучения, вы можете начать с tools/plain_train_net.py или просмотреть исходный код DefaultTrainer и переопределить его поведение с помощью новых параметров или новых хуков.
Запись индикатора
Во время обучения метрики записываются с помощью централизованного EventStorage. Вы можете получить к нему доступ и регистрировать метрики с помощью следующего кода: (Хранилище событий:обнаружить Ron2.прочитайте документ S.IO/modules/u...)
from detectron2.utils.events import get_event_storage
# 在模型中:
if self.training:
value = #根据输入计算值
storage = get_event_storage()
storage.put_scalar("some_accuracy", value)
См. его документацию для более подробной информации.
Оригинальная ссылка:обнаружить Ron2.прочитайте документ S.IO/tutorials/he…
Добро пожаловать на сайт блога Panchuang AI:panchuang.net/
sklearn машинное обучение китайские официальные документы:sklearn123.com/
Добро пожаловать на станцию сводки ресурсов блога Panchuang:docs.panchuang.net/