借助MPL 和 Preprocessor ,让 observer使用时的语法相当的简洁,而由于它的实现基本都属于编译期,因此可以最大化的使用编译器来帮助查错,换句话说,只要编译能通过,一般情况下就没有错误。 用过QT 的人应该对它的 信号与槽 印象深刻,遗憾的是,QT 槽和信号的实现需要QT自身的工具进行预编译,并且最让我讨厌的是,...
接着就可以开始训练模型了,创建train.py。配置文件里面的参数一般不需要修改,但是这几个是需要根据自己实际的数据集进行调整的,首先最重要的就是分类大小dataset_conf.num_class,这个每个数据集的分类大小可能不一样,根据自己的实际情况设定。然后是dataset_conf.batch_size,如果是显存不够的话,可以减小这个参数。