上周自己有使用
Kaggle
平台
运行
项目的需求，查阅了一些文章，结合自己的实践经验写了此文章，将使用
Kaggle
平台
运行
项目并查看下载日志
文件
的过程详细记录了下来，一些注意事项也写了，希望能够帮助到大家。
一、上传项目
第一步：创建notebook
1、点击左上角File
2、点击New Notebook，就可以创建一个新的notebook了。
第二步：上传项目和数据集
（建议将项目和数据集分开上传，因为无法在
kaggle
平台上实时更改...
kaggle
的output没办法直接下载
文件
夹,倒是可以下载
文件
,当你的训练模型很多个
文件
的时候, 一个一个下载太慢了, 所以先将output压缩一下,然后下载就行了
直接在cell中
运行
此代码即可
import os
import zipfile
import datetime
def file2zip(packagePath, zipPath):
:param packagePath:
文件
夹路径
:param zipPath: 压缩包路径
:return:
torch.save(model.state_dict(),'./model_best.pth')
一般情况下，以上语句
保存
的模型在
kaggle
的output/
kaggle
/working
文件
夹下
建议将效果较好的模型下载
保存
，否则网页休眠之后之前训练的结果就都么得了
我这里使用的模型是经过预训练的resnet50
model = torchvision.models.segmentation.fcn_resnet50(pretrained= False,progress= True
如果不用加载的模型，用自己训练的模型，那会有类似这样的代码
def Generator():
inputs = tf.keras.layers.Input(shape=(256, 256, 3))
down_stack = [
down(64, 4, apply_bn=False), #128*128*64
down(128, 4), #64*64*128
down(256, 4),
如何
保存
训练好的模型
通过tf.saved_model.save(netwok, path)
其中network代表你的模型的实例化，path自己定义路径，（记住path
保存
没有
文件
格式，只需要给出路径，例如“./model\my_model”
tf.saved
