Content
9 Lessons • 0 Quizzes • 0 Challenges
简介
- 1
图像分类概述
- 2
图像分类技术
- 3
图像分类指标
- 4
PyTorch 图像模型框架
基本概念
- 1
创建模型
- 2
列出并搜索支持的模型
- 3
数据集格式
- 4
加载和预处理图像
- 5
使用预训练的ResNet50进行预测
- 6
使用预训练的 EfficientNet 进行预测
- 7
测验（基础）
- 8
练习（基础）
部署
- 1
FastAPI 概述
- 2
HTTP 方法
- 3
REST API 集成
- 4
测验（部署）
- 5
练习（部署）
数据增强
- 1
使用数据增强训练神经网络
- 2
Mixup 和 Cutmix
- 3
RandAugment
- 4
随机擦除
- 5
AutoAugment
- 6
随机调整大小裁剪与插值
- 7
测验（增强）
附录
- 1
虚拟环境
- 2
Python 包
- 3
包安装
- 4
训练参数
- 5
部署依赖项
损失
- 1
损失函数
- 2
非对称损失
- 3
Jensen-Shannon散度与交叉熵损失
- 4
测验（损失）
结论
- 1
结束语
训练
- 1
训练工作流程
- 2
ResNet50
- 3
EfficientNet
- 4
微调自定义模型
- 5
使用 EMA（指数移动平均）进行训练
- 6
测验（训练）
- 7
练习（训练）
模型转换
- 1
部署一个 PyTorch 模型
- 2
将 PyTorch 模型转换为 ONNX 模型
- 3
部署一个ONNX模型
- 4
将ONNX转换为TensorFlow模型
- 5
部署一个TensorFlow模型
- 6
将 TensorFlow 模型转换为 TFLite 模型
- 7
部署一个TFLite模型
- 8
测验（模型转换）
- 9
练习（模型转换）
Certificate of Completion
Showcase your accomplishment by sharing your certificate of completion.
Course Author:Anonymous User