文章目录
- 一、主函数流程图:宏观工作流
- 1.1 训练阶段
- 1.2 测试阶段
- 二、单次流程图:微观数据流转
- 2.1 训练阶段单次迭代:一次完整的“学习”步骤
- 2.2 测试阶段单次流程:一次高效的“预测”步骤
一、主函数流程图:宏观工作流
1.1 训练阶段
训练阶段的目标是让模型从数据中学习规律。其主流程图清晰地勾勒了一个从初始化到产出可用模型的标准化、可复现的工程管道。
主函数流程图如下:
整个过程可划分为三个逻辑阶段:
第一阶段:输入与初始化
流程始于三大核心输入的加载,为整个流程奠定基础:
- 加载配置:读取
config.yml文件,获取模型架构、优化器参数、训练轮数等所有超参数,确保实验的可复现性。 - 加载权重:(可选)读取
model.pth初始权重文件,支持迁移学习或从历史检查点恢复训练,加速收敛。 - 加载数据:读取原始的训练与验证数据集,为模型提供学习的“素材”。
第二阶段:核心处理与迭代训练
这是模型“学习”的核心循环,对输入进行加工并反复优化:
- 模型与优化器