Pytorch图像去噪实战(九十四):自动重训流水线,从反馈样本到新模型一键生成
一、问题场景:反馈样本有了,但每次重训仍然靠手工操作
前面我们已经完成了:
- 用户反馈收集
- 主动学习样本筛选
- 数据集版本管理
但真实迭代中还有一个问题:
每次重新训练模型,都要手动整理数据、改配置、启动训练、评估、导出模型、生成报告。手动流程容易出错:
- 忘记更新数据版本
- 忘记保存配置
- 训练集和验证集混乱
- 模型导出错版本
- 报告覆盖旧报告
- 新模型未经过回归测试就上线
这一篇我们解决:
如何搭建自动重训流水线,从反馈样本到新模型一键生成。
二、自动重训流水线目标
完整流程:
收集反馈样本 -> 筛选hard cases -> 构建新数据集 -> 生成数据版本 -> 启动训练 -> 验证评估 -> 导出ONNX -> 回归测试 -> 生成报告 -> 标记候选模型