Pytorch 提供给给我们的 DataLoader 很强大,我们甚至可以指定使用多少个进程加载数据,数据是否加载到 CUDA 内存中等高级用法,本文不涉及,就不再展开讲解了。 2、模型选择 模型我们已经选择完了,就用上篇文章《Pytorch深度学习实战教程(二):UNet语义分割网络》讲解的 UNet 网络结构。 但是我们需要对网络进行微调,完全按...
首先，我们简要介绍了 UNet 模型及其在图像分割任务中的应用背景。接着，详细阐述了数据加载过程，包括如何定义图片路径、读取图片、处理标签以及进行数据增强，以提升模型泛化能力。然后，介绍了 UNet 的模型结构设计，修改网络以使其输出尺寸与输入尺寸一致，方便后续操作。接着，讨论了损失函数的选择，选择 ...
2、模型选择 模型我们已经选择完了,就用上篇文章《Pytorch深度学习实战教程(二):UNet语义分割网络》讲解的 UNet 网络结构。 但是我们需要对网络进行微调,完全按照论文的结构,模型输出的尺寸会稍微小于图片输入的尺寸,如果使用论文的网络结构需要在结果输出后,做一个 resize 操作。为了省去这一步,我们可以修改网络,使...