前言训练过程主要是指trin.py文件的汇编，其中包括参数分析，训练日志的配置，随机种子的设置，classDataSet的初始化，网络的设置，设置学习率，损失功能的设置以及优化方法的设置，张板配置，培训过程等。
由于长度，这些内容将分为多个文章。本文介绍了两种参数分析方法。
欢迎注意公共帐户简历技术指南，并专注于计算机视觉，最新技术跟踪，经典论文解释和简历招聘信息的技术摘要。
模型包含许多培训参数，例如文件保存目录，数据集目录，学习率，时期数，模块中的参数等。
有两种通常用于参数分析的方法。
一种是将所有参数放入YAML文件中，并通过读取YAML文件来配置参数。这通常用于更复杂的项目，例如多个模型，与多个参数相对应。这样，您可以配置YAML文件在每个模型中，对应于每个模型的相应参数。
另一个是通过火车上的argparser解析器直接配置它。Py文件。这通常仅在一个模型或相对简单的项目中使用。您只需要一次更改一个或两个参数即可。
这是两种方法，一种更复杂，例如上述两个级别。分析更麻烦，代码如下：
它的麻烦是所有元素都需要初始化，然后通过cfg.merge_from_file（yaml_path）基于yaml文件更新这些元素。
另一种是分析第二级的相对简单方法。
也就是说，第一个级别是在ArgParse的名称空间中，可以通过点号访问，第二级仍然是字典的形式。但是它太简单了。如果只有一个级别，您可以直接通过点号。如果您不使用argparse.namespace，则两个级别都是字典，也可以直接访问字典。
ArgParser解析的形式通常位于train.py文件的最前沿。它适用于相对较小的参数，一次只需要更改一个或两个参数（我习惯于将其放入其他文件中，例如单独或直接在util.py中，因为如果您在放置之前将其滑动很长时间，这很麻烦）
让我们首先有一个标准示例
这里列出了三种表格，其中一种是动作。当操作='store_true'时，默认值为false。设置参数时，可以将Direct-Color_jitter变成true，而另外两个则显示。
下一篇文章将介绍训练过程的培训日志的配置，为随机设置几个种子，classDataSet的初始化，网络的初始化，学习率的设置，损失功能的设置以及优化方法的设置。
欢迎注意公共帐户简历技术指南，并专注于计算机视觉，最新技术跟踪，经典论文解释和简历招聘信息的技术摘要。
简历技术指南创建了一个免费的知识星球。请注意公共帐户，以添加编辑的微观信号以邀请加入。
请求通知：欢迎朋友可以编写以下内容与我联系（微信：“ Lightdesire”）。
免责声明：如果您有一定数量的报酬，请详细联系。提交“添加之前。
招聘|移民技术招聘深度学习，愿景，3D视觉，机器人算法工程师和其他职位
计算机视觉进入路线
Yolo系列梳理（1）Yolov1-Yolov3
Yolo系列梳理（2）Yolov4
Yolo系列梳理（3）Yolov5
计算机视觉中的注意机制
从零 - 与Pytorch模型教程（3）构建变压器网络
从零 - 与Pytorch模型教程（2）构建网络
从零Pytorch模型教程（1）数据阅读数据阅读
stylegan摘要|完全了解SOTA方法和建筑的新进展
有关使用视觉代码的教程
可视化守则功能图
工业形象的研究摘要异常测试（2019-2020）
关于快速学习新技术或新领域的个人思维和思想的摘要
原始：https：//juejin.cn/post/7101660970912759821