- 模型常规训练过程
- 温度计示转换与损失、广播
- 梯度、学习率、归一化、超参数
- PyTorch自动计算梯度、与优化器
- 常用激活函数
- nn模块搭建神经网络
- 神经网络区分飞机与鸟
- PyTorch搭建卷积网络、提取特征、分类、正则化、深度、宽度等
- 结节分类介绍
- 定义模型训练框架、初始化、数据加载器、模型核心、定义损失、训练环节、绘制曲线
- 数据优化、训练
- 数据增强、旋转、翻转、放大缩小、噪声添加、平移
- U-Net分割模型介绍
- 分割模型数据预处理、构建DataSet类、Adam优化器、Dice损失、模型存储
- 分割模型训练、TensorBoard查看
- 链接分类和分割模型
- AUC-ROC评分
- finetune微调模型
- 完整端到端实现
- 使用flask部署模型
# 启动分类模型http服务 python -m flask_http data/model/cls_2025-05-14_18.32.02_dlwpt.best.state # 客服端测试 python client_test.py ```
- 使用sanic部署模型
#启动http服务 python -m sanic_http .\data\model\horse2zebra_0.4.0.pth #客户端测试 curl -T .\data\2\horse1.jpg http://localhost:8000/image --output ./data/2/ret.jpg --max-time 120 -H "Content-Type: image/jpeg"