1、ImageDataBunch 對數據封裝的很好，包括預處理都在這里面完成了

?

2、models 現有模型及權重

2-1 ?create_body 可以用來獲取現有模型的主體結構

2-2?create_head 可以用來創建 分類器的全連接層，加了 flat, norm歸一化在里面，效果比較好

3、learner, 數據，模型，loss函數與 學習方法的合體

3-1?create_cnn 用來創建 fastai內置好的 lerner, 效果比較好。 之前沒完全弄得，弄個模型就想網 create_cnn里面塞，導致報錯，應該是 切分和 分層沒配置。

learner任意模型放到 learner里面就能用，但是效果沒有 create_cnn的好。應該還是 分層沒對的結果。這個還要調試。

4、遷移學習時的凍結和解凍 ?learn.freeze(）learn.unfreeze()都有對分層做這里，這就是還需要研究的地方。把learner的效果做成和 create_cnn的效果一樣。

cut 可以是數字或者是返回骨架的一個函數——待會嘗試下

split_on 是一個函數，急需驗證下——太神奇了，應用了該技術后，收斂明細加快。

def _resnet_split(m:nn.Module): return (m[0][6],m[1])

是分成了3個group, 前面0-5，6到最后，然后是頭部

cut? -1，-2好些有點不對

?

轉載于:https://www.cnblogs.com/seacode/p/11141026.html

總結

以上是生活随笔為你收集整理的fastai 核心部件的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。