
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
图
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
中
(
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
、