【AI挑战营第一站】模型训练：在PC上完成手写数字模型训练，免费申请RV1106开发板

nmg

【AI挑战营第一站】模型训练：在PC上完成手写数字模型训练，免费申请RV1106开发板 [复制链接]

正如我们在>>AI挑战营（初阶）活动发布主帖中所说，AI给嵌入式工程师开始上难度啦，而边缘AI是嵌入式工程师的统治区，怎能不战？欢迎大家来到AI挑战营（初阶）的第一站，本站我们先小试牛刀，追本溯源，切实了解模型训练的本质是什么，并在PC上完成一个手写数字模型训练。我们直接采用MNIST数据集，当然想要从自制数据集开始的网友，也欢迎完成本站的拓展题并发帖分享。一起在挑战中成长，后续还会开启更多AI挑战项目，期待你们来战~

挑战时间：2周，即日起至4月25日
本站参与的网友需要：

1、跟帖回复：用自己的语言描述，模型训练的本质是什么，训练最终结果是什么

2、跟帖回复：PyTorch是什么？目前都支持哪些系统和计算平台？

3、动手实践：基于PyTorch，在PC上完成MNIST手写数字识别模型训练，在>>嵌入式系统版块，以#AI挑战营第一站#为标题前缀发帖，记录训练过程、测试结果、解说&分享训练代码，附上最终生成的模型文件*.pth，以及转换的ONNX模型。（注意：采用NVIDIA显卡电脑做训练，和不具备NVIDIA显卡电脑做训练，两者训练代码会有不同，网上找参考的时注意区分。）

4、拓展题（可不做）：自制印刷字母或者车牌数字的训练集，自己标注、训练、测试，发帖记录全过程。

完成上述任务的网友，>>点此免费申请幸狐RV1106开发板（带摄像头、共30套）。

然后可继续开启AI挑战营的算法工程化部署打包成SDK、应用落地到RV1106上。

挑战奖励

*奖品是针对完成AI挑战营3个站点任务的总体奖励，非本站的单独奖励。

特别贡献奖（1名）：收纳折叠风扇

率先优质发帖分享任务完成过程，且其帖对其他网友完成任务有很大的参考价值、及时帮助其他网友在完成任务中遇到的难题等；

优秀奖（2名）：EEWorld 15周年定制半袖（M号）或者均码防晒衣

优质发帖分享任务过程、完成所有任务，同等条件下，做了拓展题的优先获奖；

参与奖（若干）：认真完成任务并按照要求分享的网友，所使用的幸狐 RV1106 Linux 开发板（带摄像头）不用退回，作为参与奖。

活动微信群

本活动的即时互动、提醒等在论坛开设的AI技术交流群进行，有任何问题均可在群内沟通，活动管理员都会及时响应。参与活动和感兴趣的网友，欢迎微信添加“helloeeworld”为好友，暗号：AI04，即可被拉入群。

LitchiCheng

本帖最后由 LitchiCheng 于 2024-4-18 22:30 编辑

模型训练的过程就是不断的对网络模型的分支节点的参数进行调整优化，最终的结果就是新的模型能更好的识别训练时的样本

pytorch是一种深度学习的框架，linux下就可以部署pytorch，windows下也可以，基于python的环境即可。

实践帖子【新提醒】#AI挑战营第一站#pytorch训练MNIST数据集实现手写数字识别 - 嵌入式系统 - 电子工程世界-论坛 (eeworld.com.cn)

model.pth (163.39 KB, 下载次数: 2)

model.onnx (179.12 KB, 下载次数: 1)

不语arc

本帖最后由不语arc 于 2024-4-12 19:14 编辑

1.模型可以简单理解成一个f(x)函数，模型的训练就是一个不断拟合数据集的过程，通过输出结果f(x)与标签值计算损失，完成梯度下降更新f(x)中的权重。训练的最终结果就是得到一个相对效果很好的f(x)函数，输入x，模型能得到较好的结果。

2. Pytorch是一个深度学习框架，pytorch提供了很多用于深度学习的函数，可以很轻松构建、训练和部署神经网络模型。在python环境中，使用pytorch和调用opencv库是差不多的意思。Pytorch支持Linux、Windows、macos等多个操作平台。

3. 动手实践链接：https://bbs.eeworld.com.cn/thread-1277398-1-1.html

jianghelong

1、深度学习模型训练的本质在于通过调整模型参数来优化模型的性能。在训练过程中，模型会基于当前的参数对输入数据进行预测，并根据预测结果与实际标签之间的差异来计算损失。随后，通过反向传播算法，模型会更新其参数以减小损失，从而提高预测的准确性。

jianghelong

1、模型训练的本质是利用数据调整模型参数从而优化模型的性能，结果是性能更好的模型。

2、PyTorch是一个开源的Python机器学习库，它既可以看作加入了GPU支持的numpy，同时也可以看成一个拥有自动求导功能的强大的深度神经网络。PyTorch目前支持Windows、Linux和MacOS等主流操作系统，它既可以在CPU上运行，也可以在GPU和NPU上运行

3、#AI挑战营第一站# MNIST手写数字识别 https://bbs.eeworld.com.cn/thread-1277400-1-1.html

吾妻思萌

本帖最后由吾妻思萌于 2024-4-18 11:22 编辑

1、跟帖回复：用自己的语言描述，模型训练的本质是什么，训练最终结果是什么

模型训练的本质是使用训练数据来训练构建的模型通过不同的参数不断迭代优化模型，使模型训练出具有识别的能力，能够对新数据进行预测或决策。训练的最终结果是一个能够对新数据进行准确预测或决策的模型。

2、跟帖回复：PyTorch是什么？目前都支持哪些系统和计算平台？

PyTorch 是一个优化的张量库，用于使用 GPU 和 CPU 进行深度学习。目前根据官方代码可知可以部署在CPU，GPU和MPS的设备上。

3、动手实践：#AI挑战营第一站#基于Pytorch的NN神经网络识别MNIST数据集 https://bbs.eeworld.com.cn/forum.php?mod=viewthread&tid=1277916&page=1&extra=#pid3315605

xianhangCheng

本帖最后由 xianhangCheng 于 2024-4-13 01:14 编辑

1.用自己的语言描述，模型训练的本质是什么，训练最终结果是什么

模型训练的本质是通过给定的数据集，利用机器学习算法来调整模型的参数，使其能够从数据中学习规律和模式。在训练过程中，模型会根据输入的数据进行计算，然后根据计算结果和实际标签之间的差异（损失），通过反向传播算法来调整参数，以最小化损失函数。这个过程不断迭代进行，直到模型收敛到一个满足要求的状态。训练的最终结果是一个经过优化的模型，可以用来对新的未见过的数据进行预测或分类。

2.PyTorch是什么？目前都支持哪些系统和计算平台？

PyTorch是一个开源的机器学习框架，提供了丰富的工具和库，用于构建深度学习模型、进行模型训练和部署。

PyTorch目前支持的系统和计算平台包括：

系统：Linux、Windows、macOS
计算平台：CPU、GPU（NVIDIA CUDA）、TPU（Google的Tensor Processing Unit）

3.动手实践链接： #AI挑战营第一站# pytorch实现基于卷积神经网络的MNIST手写数.... - 嵌入式系统 - 电子工程世界-论坛 (eeworld.com.cn)

hollyedward

1、跟帖回复：用自己的语言描述，模型训练的本质是什么，训练最终结果是什么

从函数拟合的角度来看，模型训练的本质就是通过调整模型参数，使模型能够更好地拟合训练数据。我们可以将模型看作是一个函数拟合器，它将输入数据映射到输出数据。模型训练的目标就是找到一组参数，使得模型的输出能够尽可能接近训练数据的真实值。

2、跟帖回复：PyTorch是什么？目前都支持哪些系统和计算平台？

PyTorch 是由 Facebook 开发的开源深度学习框架，用于自然语言处理、计算机视觉等领域。它以其易用性、灵活性和功能强大而著称，已成为众多研究人员和开发人员的首选框架之一。它支持多种平台，比如linux、windows或者macos，可以部署到cpu或者gpu上，满足各种需求。

3、#AI挑战营第一站# 基于pytorch的minist手写体识别以及模型转换 - 嵌入式系统 - 电子工程世界-论坛 (eeworld.com.cn)

undo110

1，模型训练的底层是在不断调整参数，使得参数的组合契合所需训练的事物。训练的结果是得到反应事物特征的参数与对应的f（x），从而可根据函数做预测。
2，PyTorch 是一个深度学习框架，PyTorch 支持多种神经网络架构，从简单的线性回归算法到复杂的卷积神经网络。目前支持Windows、iOS、Android 和 Linux，允许开发者将训练好的模型部署到移动设备上。支持：cpu,NVIDIA GPU,AMD GPU,TPU.

3，手写数字pytorch实践：#AI挑战营第一站#手写数字MNIST识别实验记录 https://bbs.eeworld.com.cn/thread-1277457-1-1.html

hollyedward

本帖最后由 hollyedward 于 2024-4-13 01:13 编辑

1、用自己的语言描述，模型训练的本质是什么，训练最终结果是什么

可以从函数拟合的角度来看，模型训练的本质就是通过调整模型参数，使模型能够更好地拟合训练数据。我们可以将模型看作是一个函数拟合器，它将输入数据映射到输出数据。模型训练的目标就是找到一组参数，使得模型的输出能够尽可能接近训练数据的真实值。

2、PyTorch是什么？目前都支持哪些系统和计算平台？

PyTorch 是一个开源深度学习框架，它具有广泛的使用以及灵活强大的api，已经打败tensorflow和mxnet等框架，成为研究人员的开发工具首选。此外它支持多种平台，比如linux、windows或者macos系统，它可以部署到各种处理计算平台比如cpu或者gpu上。

3、#AI挑战营第一站# 基于pytorch的minist手写体识别以及模型转换 - 嵌入式系统 - 电子工程世界-论坛 (eeworld.com.cn)

tinnu

本帖最后由 tinnu 于 2024-4-13 18:42 编辑

1、跟帖回复：用自己的语言描述，模型训练的本质是什么，训练最终结果是什么

单纯针对狭义的神经网络模型来说：
训练的本质：就是通过计算出来的偏差，反向调整模型内部的各种参数，使之不断向偏差减小的方向变化，最终实现输出结果与用户预想的一致。
训练最终结果：得到一个充分调整过内部参数的神经网络模型。并且这个模型被期望：在随后的测试中，输入测试样本，可以得到一个预设结果。

2、跟帖回复：PyTorch是什么？目前都支持哪些系统和计算平台？

PyTorch：一个基于python深度学习框架，提供各类深度学习算子运算，并基于此实现各类深度学习模型。类似的框架还有caffe、tensorflow、keras、darknet等，这些都是瑞芯微rknn支持转化的框架。还有国产框架诸如paddlepaddle，但目前不受支持，无法直接转化。
PyTorch系统支持：windows linux macos
PyTorch系统支持：Python、C++、Java
PyTorch目前支持在纯CPU模式或者GPU加速下运行。
CPU支持：X86、ARM在内的各种CPU架构。
GPU支持：英伟达的CUDA平台，AMD的ROCm、HIP框架。第三方有各类厂商自发的支持，GPU方面有国产之光摩尔线程的musa，github上有musa for pytorch的仓库，具体可以看我下面的帖子的介绍。
GPGPU支持：比如谷歌的TPU、国内各种GPGPU，但他们都有各种问题，其中TPU无法支持GPU那么多算子，而GPGPU的驱动和pytorch支持包基本不会对外开放，个人用户是无法获取的。
具体参考Pytorch官网：pytorch

3、动手实践：

动手实践：#AI挑战营第一站# pytorch环境+minst数据集训练

maskmoo

本帖最后由 maskmoo 于 2024-4-14 15:15 编辑

模型训练的本质是通过给定的数据和标签，通过机器学习算法（例如神经网络）来调整模型的参数，使其能够从数据中学习到某种模式或规律。在训练过程中，模型会反复地使用数据来进行预测，并根据预测结果和真实标签之间的差异（即损失）来调整参数，以使模型在未见过的数据上具有更好的泛化能力。训练的最终结果是得到一个经过优化的模型，可以用于对新数据进行预测或分类。
PyTorch是一个开源的机器学习框架，它提供了丰富的工具和接口，用于构建和训练深度学习模型。PyTorch支持多种操作系统，包括Linux、Windows和macOS。
#AI挑战营第一站# PyTorch实现MNIST手写数字识别 - 嵌入式系统 - 电子工程世界-论坛 (eeworld.com.cn)

硬核王同学

1、跟帖回复：用自己的语言描述，模型训练的本质是什么，训练最终结果是什么

答：模型训练的本质，就是让计算机学会如何根据输入的数据做出正确的预测。

就像是教一个孩子怎么做数学题一样，我们会给计算机通过不断地给它输入数据和正确答案，让它自己去找规律和模式，最终学会如何预测正确的结果。

训练的最终结果就是一个可以准确预测的模型，就好像培养了一个聪明的学生一样，它可以根据新的数据做出准确的判断。这个训练出来的模型可以应用在很多地方，比如预测天气、识别图像、翻译语言等等。

2、跟帖回复：PyTorch是什么？目前都支持哪些系统和计算平台？

答：PyTorch 是一个开源的机器学习框架，它主要用于深度学习任务，比如神经网络的构建、训练和优化。PyTorch提供了丰富的工具和接口，可以帮助开发者快速搭建和训练深度学习模型。

目前，PyTorch 支持的系统包括 Windows、macOS 和 Linux，同时也支持各种计算平台，比如 CPU、GPU 和其他加速器（比如TPU）。PyTorch还有一个高性能的分布式训练特性，适用于大规模深度学习训练任务。

3. 动手实践链接：

补充内容 (2024-4-24 08:28): 动手实践链接：https://bbs.eeworld.com.cn/thread-1279149-1-1.html

qiao---

本帖最后由 qiao--- 于 2024-4-14 20:50 编辑

1、模型训练的本质是通过大量数据输入，模型自动调整参数以最大程度地减少预测输出与实际输出之间的差异。训练的最终结果是一个经过优化的模型，可以用于预测、生成文本等任务。

2、PyTorch是一个开源的深度学习框架，它提供了灵活的张量计算和动态计算图的功能。目前PyTorch支持的系统包括Windows、Linux和macOS，支持的计算平台包括CPU、GPU，也可以结合使用CUDA和cuDNN来加速计算。

3、#AI挑战营第一站#MNIST手写数字识别模型训练 https://bbs.eeworld.com.cn/thread-1277782-1-1.html

NNTK_NLY

本帖最后由 NNTK_NLY 于 2024-4-14 19:10 编辑

模型训练的本质：使用训练数据集来训练构建模型，通过调整参数不断迭代优化模型，使模型训练出期望能力，能够对新数据进行预测或决策。
训练的最终结果：生成一个能够对输入新数据进行准确预测或决策的模型。
PyTorch是什么：一种神经网络学习框架，可用于训练深度学习模型
PyTorch目前都支持哪些系统和计算平台：支持系统：linux mac windows ,支持语言：python、C/C++,支持平台：CUDA、CPU
#AI挑战营第一站# 利用pytorch进行手写数字模型训练的训练和转换

MioChan

本帖最后由 MioChan 于 2024-4-14 20:18 编辑

1、跟帖回复：用自己的语言描述，模型训练的本质是什么，训练最终结果是什么

神经网络本质就是一个强大的拟合函数，训练过程就是通过loss function进行反向传播来优化网络中可训练的参数，例如权重和偏置。最终训练好的模型其实就是保存了模型的可训练的这些参数的信息。

2、跟帖回复：PyTorch是什么？目前都支持哪些系统和计算平台？

PyTorch 是 Torch 框架的继承者和进化版本，简单来说是Python的一个开源深度学习框架。主流计算平台基本都支持，例如Windows、macOS、Linux等等，Pytorch维护更新速度真的很快，像是mac m1问世后很快就支持Mac的GPU计算了。

3、动手实践：#AI挑战营第一站# 基于Pytorch实现的手写数字识别，并通过tensorboard可视化训练结果 https://bbs.eeworld.com.cn/thread-1277781-1-1.html

wakojosin

1、跟帖回复：用自己的语言描述，模型训练的本质是什么，训练最终结果是什么

训练本质是训练拟合函数的参数,使模型尽可能符合我们的应用需求.训练的结果是模型的参数信息.

2、跟帖回复：PyTorch是什么？目前都支持哪些系统和计算平台？

pytorch是开源的机器学习库.

支持的系统:Windows,macOS,Linux(各种发行版,如Ubuntu,Debian,CentOS等).

硬件方面分CPU和GPU版本.平台有服务器端,移动端,嵌入式端.

3、动手实践：#AI挑战营第一站#基于pytorch模型mnist数据及训练测试 https://bbs.eeworld.com.cn/thread-1277786-1-1.html

aramy

1、跟帖回复：用自己的语言描述，模型训练的本质是什么，训练最终结果是什么

生活中一切事物均可用数学来描述。简单的一条直线，可以用一次函数来描述:f(x)=ax+b。只到了a,b参数自然就能绘制出该条直线，同样知道了该条直线，自然就能计算出此f(x)函数。扩展开来，所有的复杂问题均由简单问题构成，意味着复杂问题会有一组f(x)函数来描述，那么就对应着一组a,b参数。模型训练的本质就是通过不停调整函数的参数，使得该组函数更好地贴合真实的问题。所以模型训练的本质就是不停地调整这组函数的（a,b）参数的矩阵值，使得与真实问题更好地贴合。训练最终结果就是一个包含着有限个参数的矩阵。

2、跟帖回复：PyTorch是什么？目前都支持哪些系统和计算平台？

PyTorch是一个开源的Python机器学习库，它基于Torch库，底层由C++实现。它是专门为GPU加速的深度神经网络（DNN）编程而设计的，并且支持动态神经网络的构建。PyTorch对操作系统的支持包括但不限于Windows 7及以上版本（推荐Windows 10或更高版本）、Linux以及MacOS。对于计算平台，除了CPU外，PyTorch还支持CUDA和ROCm，其中CUDA是NVIDIA开发的并行计算平台和API模型，用于加速深度学习应用的训练和推理过程。ROCm则是一个开源项目，旨在为AMD GPU提供类似CUDA的编程接口。

3、动手实践：基于PyTorch，在PC上完成MNIST手写数字识别模型训练

https://bbs.eeworld.com.cn/thread-1277560-1-1.html