torchvision Modellerini Yükleme
Önceden eğitilmiş mimarileri tek çağrıyla kullanın.
torchvision Modellerini Yükleme, CoddyKit'te ücretsiz bir Deep Learning Academy dersidir. Bu, 4 dersinin 4. dersidir. Aşağıdan dersin tamamını ücretsiz okuyabilir, sonra tarayıcıda yerleşik kod editörü ve 7/24 yapay zeka koçu ile uygulamalı olarak pratik yapabilirsin. Bu, Deep Learning Academy öğrenme yolunun bir parçasıdır ve ilerlemeniz web ve CoddyKit uygulaması arasında senkronize olur. Deep Learning Academy kursu toplamda 4 dersten oluşur.
Neden Yeniden İcat Edelim?
Ünlü bir ağı sıfırdan oluşturmanız nadiren gerekir. PyTorch'un torchvision kütüphanesi bunları kullanıma hazır olarak sunar.
Bir Model Hayvanat Bahçesi
ResNet'ten VGG'ye ve modern ağlara kadar torchvision.models, kanıtlanmış mimarilerden oluşan bir kütüphanedir ve hepsi elinizin altındadır.
Tek Satırda Yükleme
Bir mimariyi almak tek bir çağrı gerektirir. Burada rastgele, eğitilmemiş ağırlıklara sahip bir ResNet-18 elde edersiniz.
from torchvision import models
net = models.resnet18()Önceden Eğitilmiş Ağırlıkları Getirme
Asıl güç, ImageNet üzerinde öğrenilmiş önceden eğitilmiş ağırlıkları yüklemektir; böylece model yararlı görsel özellikleri zaten bilir.
from torchvision.models import resnet18, ResNet18_Weights
net = resnet18(weights=ResNet18_Weights.DEFAULT)Önden Başlamak
Bu ağırlıklar büyük bir başlangıç avantajıdır. Çok daha az veriyle kendi görevinizde ince ayar yapabilirsiniz.
Ön İşlemeyi Eşleştirme
Önceden eğitilmiş modeller belirli girdi boyutları ve normalleştirme bekler. Ağırlık nesnesi uygulanacak tam dönüşümleri içerir.
weights = ResNet18_Weights.DEFAULT
preprocess = weights.transforms()Değerlendirme Modunu Ayarlama
Tahmin yapmadan önce eval çağrısını kullanın; böylece toplu normalleştirme ve Dropout gibi katmanlar çıkarım için doğru şekilde çalışır.
net.eval()
# disables dropout, freezes batch-norm statsSon Katmanı Değiştirme
ImageNet'te 1000 sınıf vardır. Ağı yeniden kullanmak için son tam bağlantılı katmanını kendi sınıflarınıza uyacak şekilde değiştirin.
import torch.nn as nn
net.fc = nn.Linear(net.fc.in_features, 10)Çabadan Tasarruf Etmek İçin Dondurma
Hızlı aktarım öğrenmesi için omurgayı dondurun; böylece yalnızca yeni başlığınız eğitilir. Bu yöntem hızlıdır ve az veri gerektirir.
for p in net.parameters():
p.requires_grad = FalseSınıf Adlarını Okuma
Ağırlık meta verileri, insanların okuyabileceği kategorileri bile listeler; böylece bir dizini yeniden etikete dönüştürebilirsiniz.
labels = ResNet18_Weights.DEFAULT.meta["categories"]Devlerin Omuzlarında Durmak
Tek bir içe aktarmayla yıllarca süren araştırmayı ve hesaplama gücünü yeniden kullanırsınız. Bu, uygulamalı derin öğrenmenin günlük iş akışıdır.
Hızlı Kontrol
ImageNet'i zaten bilen bir modelin nasıl yükleneceğini hatırlayın.
Özet: En İyileri Yeniden Kullanma
torchvision ile kanıtlanmış mimarileri ve önceden eğitilmiş ağırlıkları tek satırda yükleyebilir, ardından bunları görevinize uyarlayabilirsiniz. Artık oluşturmaya hazırsınız!
Yapay zeka eğitmeniyle Python öğren — ücretsiz
Tarayıcında gerçek kod yaz ve çalıştır, 7/24 yapay zeka eğitmeninden anında yardım al; web'de ya da uygulamada kaldığın yerden devam et.
- Kurslar
- 30
- Dersler
- 120
Sıkça Sorulan Sorular
“torchvision Modellerini Yükleme” dersi ücretsiz mi?
Evet — “torchvision Modellerini Yükleme” dersin tüm metni burada web'de ücretsiz olarak okunabilir. Etkileşimli olarak pratik yapmak (yerleşik kod editörü ve 7/24 yapay zeka koçu) ve Deep Learning Academy kursunun geri kalanını açmak için CoddyKit PRO'ya yükselt. Deep Learning Academy kursu toplamda 4 dersten oluşur.
“torchvision Modellerini Yükleme” dersinde ne öğreneceğim?
Önceden eğitilmiş mimarileri tek çağrıyla kullanın. Deep Learning Academy ile uygulamalı kodu tarayıcıda doğrudan çalıştırarak pratik yaparsın ve 7/24 yapay zeka koçu dersi çalışırken sorularını yanıtlar.
Deep Learning Academy öğrenmeye başlamak için deneyim gerekli mi?
Önceden deneyim gerekmez. CoddyKit'te Deep Learning Academy, başlangıçtan ileri seviyeye kadar yapılandırıldığı için buradan başlayabilir veya başından başlayıp kendi hızında ilerleme yapabilirsin. Bu, 4 dersinin 4. dersidir.
“torchvision Modellerini Yükleme” dersi ne kadar sürer?
Çoğu CoddyKit dersi yaklaşık 5–10 dakika sürer. Her biri kısa ve etkileşimli olduğu için sabit ilerleme yaparsın ve web ile uygulama arasında tam olarak bıraktığın yerden devam edebilirsin.
Bu Deep Learning Academy dersinde kod yazıp çalıştırabilir miyim?
Evet. Her Deep Learning Academy dersi yerleşik bir kod editörü içerir, bu sayede tarayıcıda gerçek kod yazıp çalıştırabilir ve anlık yapay zeka geri bildirimi alırsın — yerel kurulum gerekli değildir.
Bu kursun tüm dersleri
- LeNet ve AlexNet: İlk Başarılar
- VGG: Küçük Filtre Yığınları
- ResNet: Atlamalı Bağlantılarla Derinleşme
- torchvision Modellerini Yükleme