配置步骤

1. 选择模型名称

   • 在 Shadowrocket 的“模型名称”字段中填写你的目标模型名称。
   • shadowrocket_123456789（数字可以随意填写）

2. 选择数据源

   • 在“数据源”字段中选择你使用的数据集。
   • mnist（MNIST 数据集）、cnn1（CIFAR-1 数据集）等。

3. 选择训练参数

   • 如果你正在训练一个新模型,可以选择“训练参数”来设置训练的参数。
     • 批量大小（batch size）：通常设置为 32，但可以调整为 64 或更高，取决于你的资源。
     • 迭代次数（num iterations）：通常设置为 1，但可以根据需求调整。
     • 随机种子：可以设置为一个固定值，以确保可重复性。
   • 如果你正在优化一个已经训练的模型,可以选择“优化参数”。
     • 学习率（learning rate）：通常设置为 1e-3 或 1e-4。
     • 优化器：可以选择“Adam”（Adam 梯度下降）或“SGD”（Stochastic Gradient Descent）。
     • 衰减系数（decay）：用于调整学习率衰减，通常设置为 0.1 或 0.1。
     • 正则化参数：设置正则化参数，如 L2 正则化系数和 L1 正则化系数。

4. 选择优化器

   • 如果你正在优化模型,选择“优化器”来指定优化算法。

     选择“Adam”、“SGD”、“NesterovAdam” 等。

5. 设置其他参数

   • 模型输出维度（output dimension）：根据你的模型输出维度来设置。
   • 模型输出形状（model shape）：如果需要，可以指定模型的输出形状。
   • 输出路径（output path）：选择输出路径，存储训练好的模型和优化结果。

6. 选择模型类型

   • 如果你正在训练一个模型或优化一个模型,可以选择“模型类型”。

     选择“ImageNet”（图像分类）、“CIFAR-1”（CIFAR-1 数据集）、“ImageNet-1” 等。

7. 选择损失函数

   • 在“损失函数（loss function）”字段中选择合适的损失函数。

     选择“CrossEntropy”（交叉熵损失）、“Dice”（Dice 损失）、“Jaccard”（Jaccard 损失）等。

8. 选择优化器配置

   • 如果选择“优化器”，需要进一步调整参数。
     • 学习率：设置学习率。
     • 梯度裁剪：设置梯度裁剪值。
     • 权重衰减：设置权重衰减值。

9. 选择优化器配置

   • 如果选择“优化器”，可以选择优化器的具体参数，
     • “Adam”：学习率，beta1（动量），beta2（beta2）。
     • “SGD”：学习率，动量参数。

示例配置

假设你正在训练一个新模型,模型名称为 shadowrocket_12345，使用 MNIST 数据集：

1. 在“模型名称”处填写：shadowrocket_12345
2. 在“数据源”处选择：mnist
3. 在“训练参数”处：
   • 长度：1（迭代次数）
   • 批量大小：32
   • 学习率：1e-4
   • 梯度裁剪：.1
4. 在“优化参数”处：
   • 优化器：Adam
   • 学习率：1e-4
   • 梯度裁剪：.1
   • 贝叶斯规则：False

     贝叶斯规则会自动调整权重衰减参数

输出路径和存储位置

在“输出路径”或“存储位置”处，可以指定存储训练好的模型和优化结果的位置，

• shadowrocket_results/weights/12345（存储模型）
• shadowrocket_results-loss/12345（存储损失曲线）

提示

• 数据加载：确保你的数据集可以正确加载和预处理。
• 训练时间： Shadowrocket 是一个快速训练的工具，通常可以在几秒到几分钟内完成训练。
• 模型评估：在训练完成后，可以使用 Shadowrocket 的工具来评估模型性能，并进行优化。

如果你有更多问题或需要进一步的帮助,请随时告诉我！