数据增强 图像分类 深度学习 PyTorch 模型泛化 人工智能与大模型2026-11-17 12:24:45 数据增强在图像分类中的十种实操方法对比 数据增强是提升图像分类模型泛化能力的核心技术,本文对比了十种常用方法(包括几何变换、颜色变换、噪声注入及学习式增强)的适用场景与效果差异,基于公开数据集给出性能提升数据,并提供了针对不同任务的基准配置建议。 阅读全文
深度学习训练 显存优化 PyTorch 混合精度 模型并行 人工智能与大模型2026-11-06 08:45:57 深度学习训练显存溢出的几种典型场景排查 深度学习训练显存溢出的根因包括批次过大、中间激活值存储、优化器状态和PyTorch缓存碎片。排查时先计算参数、梯度和优化器状态的理论显存,再启用梯度累积或激活检查点。混合精度可节省约15%-20%显存,设置PYTORCH_CUDA_ALLOC_CONF能缓解碎片化问题。模型很大时用ZeRO或流水线并行替代张量并行。 阅读全文