使用 torch 对图像进行分类

在最近的文章中，我们一直在探索 Torch 的基本功能：张量，每个深度学习框架的必要条件；autograd，Torch 的反向模式自动微分实现；模块，神经网络的可组合构建块；优化器，Torch 提供的优化算法。

torch 张量 autograd torch 模块 优化器 torch

但我们还没有真正拥有“hello world”的时刻，至少如果你所说的“hello world”是指对宠物进行分类的不可避免的深度学习体验的话。猫还是狗？比格犬还是拳师犬？奇努克犬还是吉娃娃？我们将通过问一个（略微）不同的问题来区分自己：什么鸟？

宠物分类的深度学习经验

我们将在途中讨论的主题：

torch 数据集和数据加载器各自的核心角色。如何应用变换，用于图像预处理和数据增强。如何使用 Resnet（He et al. 2015），一个带有 torchvision 的预训练模型，进行迁移学习。如何使用学习率调度程序，特别是单周期学习率算法 [@abs-1708-07120]。如何找到一个好的初始学习率。

torch 数据集和数据加载器各自的核心角色。

torch 数据集和数据加载器各自的核心角色。

torch 数据集 数据加载器

如何应用变换，用于图像预处理和数据增强。

如何应用变换，用于图像预处理和数据增强。

变换

如何使用 Resnet（He et al. 2015），一个带有 torchvision 的预训练模型，进行迁移学习。

如何使用 Resnet（He et al. 2015），一个带有 torchvision 的预训练模型，进行迁移学习。

(He et al. 2015) He et al. 2015 torchvision

如何使用学习率调度器，特别是单周期学习率算法 [@abs-1708-07120]。

如何使用学习率调度器，特别是单周期学习率算法 [@abs-1708-07120]。

如何找到一个好的初始学习率。

Kaggle ( ) (