Skip to Main Content
弱监督学习实用指南
book

弱监督学习实用指南

by Wee Hyong Tok, Amit Bahree, Senja Filipi
January 2023
Beginner to intermediate content levelBeginner to intermediate
209 pages
3h 55m
Chinese
Southeast University Press
Content preview from 弱监督学习实用指南
使用
Snorkel
标注的数据集进行图像分类
149
可视化训练数据
在开始训练深度学习模型之前,深入了解数据非常重要。让我们使用
visualize_images()
函数来显示训练数据集中的前
8
幅图像,如图
5-2
所示:
images, labels = next(iter(dataloaders['train']))
visualize_images(images, labels)
室内
室内
室外
室外
室外
室内
室外
室内
5
-
2
:室内 / 室外场景的训练图像
微调预训练模型
许多不同类型的预训练深度学习模型结构可用于图像分类。
PyTorch
(以及类
似的
TensorFlow
)提供了一组丰富的模型结构供你使用。
例如,在
TorchVision.Models
(
https://oreil.ly/CspHm
)
,你将看到
Pytorch
提供了诸如
AlexNet
VGG
ResNet
SqueezeNet
Dense-Net
Inception
V3
GoogLeNet
ShuffleNet v2
MobileNet v2
ResNeXt
Wide ResNet
150
5
MNASNet
等模型定义。加载模型时,通过设置
Pretrained=True
,可以使用
预训练模型。
这里,我们将使用
ResNet-5 ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Start your free trial

You might also like

人工智能技术与大数据

人工智能技术与大数据

Posts & Telecom Press, Anand Deshpande, Manish Kumar
解密金融数据

解密金融数据

Justin Pauley
C++语言导学(原书第2版)

C++语言导学(原书第2版)

本贾尼 斯特劳斯特鲁普

Publisher Resources

ISBN: 9787576602630