探究智力的深度学习包
Dawnet的Python项目详细描述
目的
使创建、跟踪、调试和重新创建模型/算法变得容易。
这是什么意思:
- 合并通用组件(res block,seblock,…)以便于使用和构建(这有利于模型创建和修改)。
- 以函数形式进行的数据处理,在将数据输入算法/模型之前,可以清楚地知道数据发生了什么。
- 查看和调试工具:
- 查看模型统计信息
- 修改数据并查看结果(top-k结果)发生了什么
- 推理必须建立在模型内部,输入是最基本的数据点(考虑到一个完全陌生的人需要使用你的模型,这个人不会知道你的模型和数据的细节,他们只有一个数据点,希望看到你的模型的结果)
要求
dawnet需要pytorch
和opencv
才能正常工作。由于这些库存在许多分布,因此我们建议用户自行安装以避免干扰环境。如果没有安装pytorch
或opencv
,则转到https://pytorch.org安装适当的版本,然后conda install -c conda-forge opencv
安装opencv
。
可用性路线图
- 会话必须有效
- 获取批量数据的能力
- 总结会话和模型信息
- 实现混音
- 测试所有convs架构
型号
- 模型应准备好评估方法(该部分应从进度/培训程序中抽象出来)
- 模型应准备好加载方法(仅用于推理,因为持续的训练需要有关优化器、训练迭代的知识)
数据
模型并不是创建智能系统的唯一部分。数据在这个过程中也起着至关重要的作用。很多时候,玩弄数据,看看数据稍微调整时模型的行为,可以为模型改进提供重要的见解。因此,数据操作必须易于使用。