本例提取了植物幼苗数据集中的部分数据做数据集，数据集共有12种类别，演示如何使用pytorch版本的mobilenetv2图像分类模型实现分类任务。将训练的模型转为onnx，实现onnx的推理，然后再将onnx转为TensorRT，并实现推理。
通过本文你和学到：
1、如何从torchvision.models调用mobilenetv2模型？
2、如何自定义数据集加载方式？
3、如何使用Cutout数据增强？
4、如何使用Mixup数据增强。
5、如何实现训练和验证。
6、如何使用余弦退火调整学习率。
7、如何载入训练的模型进行预测。
8、pytorch转onnx，并实现onnx推理。
9、onnx转TensorRT，并实现TensorRT的推理。
希望通过这篇文章，能让大家对图像的分类和模型的部署有个清晰的认识。
链接：https://wanghao.blog.csdn.net/article/details/123003159
2022-02-21 09:28:53
936.29MB
本例提取了植物幼苗数据集中的部分数据做数据集，数据集共有12种类别，演示如何使用pytorch版本的mobilenetv3图像分类模型实现分类任务。
通过本文你和学到：
1、如何从torchvision.models调用mobilenetv3模型？
2、如何自定义数据集加载方式？
3、如何使用Cutout数据增强？
4、如何使用Mixup数据增强。
5、如何实现训练和验证。
6、如何使用余弦退火调整学习率？
7、预测的两种写法。
详见文章链接：https://blog.csdn.net/hhhhhhhhhhwwwwwwwwww/article/details/122793652
2022-02-06 12:05:54
951.83MB