Pytorch图像去噪实战(五十六):配置覆盖机制实战,用命令行快速修改YAML实验参数
Pytorch图像去噪实战(五十六):配置覆盖机制实战,用命令行快速修改YAML实验参数一、问题场景:每次改学习率都要复制一个YAML文件前面我们已经用 YAML 管理图像去噪实验。但实际调参时会遇到新问题:unet_lr1e-4.yaml unet_lr2e-4.yaml unet_bs4.yaml unet_bs8.yaml unet_sigma25.yaml配置文件越来越多,管理反而变乱。更好的方式是:保留一个基础 YAML,通过命令行覆盖部分参数。例如:python train.py--configconfigs/unet.yaml\--optstrain.lr=0.0002
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2599502.html
如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!