首页
›
AI视觉与工业视觉
›
008-工业视觉缺陷检测
›
《工业缺陷检测模型训练与性能调优实战》
VIP20
本课程属于:008-工业视觉缺陷检测
AI视觉与工业视觉 · 共 20 门相关课程,组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录
咨询 / 购买
模型训练调参与性能优化全流程
共计 30 章节
点击此处阅读海量试读课程:100+行业、1000+细分领域
01
课程导论与全流程概览
模型训练的生命周期 · 调参与性能优化的核心目标 · 课程大纲与学习路径
课程导论
全流程概览
02
环境搭建与工具链准备
Python虚拟环境 · CUDA/cuDNN安装 · PyTorch/TensorFlow…
环境搭建
工具链准备
03
数据预处理与加载优化
数据清洗与增强策略 · DataLoader与多进程加载 · 内存映射与磁盘I/O优化
数据预处理
加载优化
04
模型架构选择与初始化
经典模型(CNN/RNN/Trans… · 权重初始化方法(Xavier/He) · 预训练模型加载与微调策略
模型架构选择
初始化
05
损失函数与评估指标设计
分类/回归/生成任务的损失函数选择 · 自定义损失函数 · 评估指标(Accuracy/Prec…
损失函数
评估指标设计
06
优化器与学习率调度
SGD/Momentum/Adam/… · 学习率预热与衰减策略(Cosine/… · 梯度裁剪
优化器
学习率调度
07
正则化与防止过拟合
L1/L2正则化 · Dropout与DropConnec… · Batch Normalizatio…
正则化
防止过拟合
08
训练循环与日志记录
手动训练循环编写 · 梯度累积 · 混合精度训练(AMP)
训练循环
日志记录
09
超参数搜索基础
网格搜索 · 随机搜索 · 贝叶斯优化原理
超参数搜索基础
网格搜索
10
超参数搜索实战
Optuna/Hyperopt库使用 · 分布式超参数搜索 · 搜索结果的统计分析与可视化
超参数搜索实战
Optuna/Hyper…
11
学习率调优实战
学习率范围测试(LR Range T… · 循环学习率(Cyclical LR) · OneCycleLR策略实现与效果对…
学习率调优实战
LR
12
批量大小与梯度累积调优
批量大小对收敛的影响 · 梯度累积模拟大Batch · Batch Size与学习率的联动调…
批量大小
梯度累积调优
13
模型性能分析工具
Profiler工具使用(PyTor… · 计算瓶颈与内存瓶颈定位 · FLOPs与参数量计算
模型性能分析工具
Profiler
14
GPU加速与多卡训练
单机多卡(DataParallel/… · 混合精度训练实战 · 梯度压缩与通信优化
GPU
加速
15
模型量化与剪枝
训练后量化(PTQ) · 量化感知训练(QAT) · 结构化剪枝与非结构化剪枝
模型量化
剪枝
16
知识蒸馏
教师-学生模型架构 · 蒸馏温度与损失权重调节 · 在线蒸馏与离线蒸馏
知识蒸馏
教师
17
分布式训练进阶
多机多卡训练配置 · 参数服务器架构 · AllReduce算法原理
分布式训练进阶
多机多卡训练配置
18
实验管理与版本控制
MLflow实验跟踪 · DVC数据版本控制 · Git LFS大文件管理
实验管理
版本控制
19
自动化机器学习(AutoML)
NAS神经架构搜索原理 · AutoML框架(AutoKeras… · AutoML在调参中的应用
AutoML
自动化机器学习
20
模型部署与推理优化
ONNX模型导出 · TensorRT加速 · 模型服务化(TorchServe/T…
模型部署
推理优化
21
性能基准测试与对比
建立基准测试Pipeline · 多模型多配置对比分析 · 统计显著性检验
性能基准测试
对比
22
训练稳定性与故障排查
Loss爆炸/梯度消失诊断 · NaN检测与处理 · 训练中断恢复
训练稳定性
故障排查
23
数据不平衡处理
重采样策略 · 代价敏感学习 · Focal Loss
数据不平衡处理
重采样策略
24
多任务学习与迁移学习
共享表示学习 · 任务权重调节 · 渐进式微调
多任务学习
迁移学习
25
强化学习中的调参挑战
奖励设计 · 探索-利用平衡 · PPO/SAC超参数敏感度分析
强化学习
调参挑战
26
生成模型调参要点
GAN训练稳定性(梯度惩罚/谱归一化… · 扩散模型采样步数优化 · VAE的KL散度退火
生成模型调参要点
GAN
27
NLP模型调参实战
Transformer学习率策略 · 序列长度与内存优化 · 分词器选择与词汇表大小影响
NLP
模型调参实战
28
计算机视觉模型调参实战
数据增强策略(AutoAugment… · Backbone选择 · 检测/分割任务特定调参
计算机视觉模型调…
AutoAugment
29
端到端全流程案例(上)
从数据到部署的完整项目实战——需求分… · 数据准备 · 模型选型
端到端全流程案例
从数据到部署的完…
30
端到端全流程案例(下)
从数据到部署的完整项目实战——超参数… · 性能优化 · 模型部署
端到端全流程案例
从数据到部署的完…
所属VIP或分类
同VIP:传统视觉与深度学习缺陷检测工程对比
同VIP:工业相机SDK接入与边缘缺陷检测部署
同VIP:工业相机选型与图像采集打光方案