华为云AI|图像分类模型参数&网络调优

基于第一期图像分类Notebook任务,本页面包含了图像分类任务的参数调优和网络优化的相关技巧。

数据集

猫狗二分类数据集(25000张图片)

主要模型

VGG16, VGG19, ResNet

实验环境

本期实践主要使用基于TensorFlow的Keras框架,与第二期环境一致,具体创建过程可以参考第一期:图像分类Notebook任务中的相关步骤。

实践案例

0. epochs和callbacks:介绍训练轮数,拟合问题以及Keras模型训练时的Callback回调函数

1. 学习率和优化器:介绍学习率和不同优化器在模型训练中的实践

2. 数据增广:使用Keras DataGenerator预处理数据,实现数据增广

3. 使用预训练权重:使用预训练的参数权重文件进行迁移学习

注意事项

本次实践涉及不同参数、模型结构的反复调整,内容较多,因此分成多个ipynb文件。Keras开始模型训练后,会一次性分配几乎全部显存,而ipynb文件在Cell执行后,所占用的显存资源不会主动释放。在相同环境下同时运行多个Notebook案例,可能导致显存OOM(Out of Memory)或者cudnn库无法初始化的错误,如下图所示。因此建议开发者逐步完成案例实践内容,完成一个案例后,主动关闭运行的ipynb文件(在创建的Notebook任务running页关闭已完成的ipynb文件),再开始下一个实践。

未及时释放资源导致显存不足而产生的两种错误

© 版权声明
THE END
一发入魂
点赞0打赏
分享
评论 抢沙发

请登录后发表评论