fastai 核心部件

一、ImageDataBunch 对数据封装的很好，包括预处理都在这里面完成了

 

二、models 现有模型及权重

2-1  create_body 能够用来获取现有模型的主体结构

2-2 create_head 能够用来建立 分类器的全链接层，加了 flat, norm归一化在里面，效果比较好

三、learner, 数据，模型，loss函数与 学习方法的合体

3-1 create_cnn 用来建立 fastai内置好的 lerner, 效果比较好。 以前没彻底弄得，弄个模型就想网 create_cnn里面塞，致使报错，应该是 切分和 分层没配置。

learner任意模型放到 learner里面就能用，可是效果没有 create_cnn的好。应该仍是 分层没对的结果。这个还要调试。

四、迁移学习时的冻结和解冻  learn.freeze(）learn.unfreeze()都有对分层作这里，这就是还须要研究的地方。把learner的效果作成和 create_cnn的效果同样。

cut 能够是数字或者是返回骨架的一个函数——待会尝试下

split_on 是一个函数，急需验证下——太神奇了，应用了该技术后，收敛明细加快。

def _resnet_split(m:nn.Module): return (m[0][6],m[1])

是分红了3个group, 前面0-5，6到最后，而后是头部

cut  -1，-2好些有点不对