保存模型参数state_dict就是一个简单的Python字典，它将模型中的可训练参数（比如weights和biases，batchnorm的running_mean、torch.optim参数等）通过将模型每层与层的参数张量之间一一映射，实现保存、更新、变化和再存储。首先定义模型的保存位置和文件名（以.pth结尾）再save模型权重到固定路径PATH = './my_net.pth'torch.

RuntimeError: Error(s) in loading state_dict for Model: Missing key(s) in state_dict

在模型创建的时候，经常需要对模型进行修改，修改的时候需要查看模型架构。下面使用终端中调用IPython的方法对torchvision中的模型架构进行展示查询代码：首先ipython激活ipythonfrom torchvision import modelsprint(models.resnet152())注意：resnet152后面要加（）...

ResNet（加深）resnet抛开数学层面的损失函数修改，从网络结构方面进行优化，通过残差块的方式，保证在更深的网络中也能保证良好的网络性能（VGG时代网络层数的过度加深会导致网络性能退化）Inception（加宽）除了网络深度问题，我们怎样在不增加计算成本的前提下扩展神经网络？Inception网络通过在每层模型中设置不同大小的卷积核，并用1*1卷积进行降维，让下一层自行决定使用什么卷积中的特

损失函数KL散度越小，表示：标签和预测值越接近SoftmaxOne-hot独热编码总类列表中，将对应索引位置的值置为1，其他都为0的一种编码形式

什么是标准化传统机器学习中标准化也叫归一化一般是将数据映射到指定的范围中，用于去除不同维度数据的量纲以及量纲单位，使得模型鲁棒性更好数据标准化可以让机器学习模型看到的不同样本彼此之间更加相似，这有助于模型的学习与对新数据的泛化常见的数据标准化形式标准化和归一化归一化：将数据变为0-1之间。在pytorch中使用toTensor方法进行归一化操作。标准化：将数据减去其平均值使其中心为0，然后将数据除

RuntimeError: Error(s) in loading state_dict for Model: Missing key(s) in state_dict

来自吴老师的总结：在计算机视觉领域，我们目前在数据量这里遇到的问题是，与相对简单的图像分类不同，目标检测，语义分割这类数据集制作成本比较高，所以在数据这方面还算是数据量小的。数据量VS 代码量：如果我们拥有比较大的数据量，我们使用简单的模型就能得到较好的效果。而如果数据量较小，则需要我们构建更复杂的网络来获取有限数据量的更多特征。...

什么是标准化传统机器学习中标准化也叫归一化一般是将数据映射到指定的范围中，用于去除不同维度数据的量纲以及量纲单位，使得模型鲁棒性更好数据标准化可以让机器学习模型看到的不同样本彼此之间更加相似，这有助于模型的学习与对新数据的泛化常见的数据标准化形式标准化和归一化归一化：将数据变为0-1之间。在pytorch中使用toTensor方法进行归一化操作。标准化：将数据减去其平均值使其中心为0，然后将数据除

什么是标准化传统机器学习中标准化也叫归一化一般是将数据映射到指定的范围中，用于去除不同维度数据的量纲以及量纲单位，使得模型鲁棒性更好数据标准化可以让机器学习模型看到的不同样本彼此之间更加相似，这有助于模型的学习与对新数据的泛化常见的数据标准化形式标准化和归一化归一化：将数据变为0-1之间。在pytorch中使用toTensor方法进行归一化操作。标准化：将数据减去其平均值使其中心为0，然后将数据除