Swin Transformer训练自己的数据集

### 使用Swin Transformer模型训练自定义数据集

#### 数据预处理
为了使自定义数据集能够被Swin Transformer有效利用，需确保输入图像满足特定的要求并执行必要的预处理步骤。这通常涉及将图片统一到相同的尺寸、应用标准化操作来调整像素值范围至0-1之间，并根据需求实施其他变换如裁剪或翻转等[^2]。

from torchvision import transforms

transform = transforms.Compose([
    transforms.Resize((224, 224)),  # 将所有图像调整为固定大小
    transforms.ToTensor(),          # 转换PIL Image/CV2 image成tensor (HWC -> CHW)
    transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])  # 归一化
])

#### 修改配置文件
针对不同的任务和数据集特性，应当适当地编辑`configs/`下的YAML格式配置文件以定制化训练过程。具体来说：

- **model:** 明确指出采用哪种架构版本的Swin Transformer作为基础网络；
- **dataset:** 提供指向本地存储的数据集路径，并指定相应的预处理方法及批次规模；
- **training:** 设定总的迭代周期数、初始学习率及其动态变化规律（例如线性Warm-up阶段），还有选用何种类型的损失函数；
- **evaluation:** 安排定期检验模型表现的时间节点与评价标准；
- **logging:** 描述日志输出的具体形式，包括但不限于保存间隔及时刻表[^4]。

# 示例config.yaml片段
model:
  type: 'swin_transformer'
  pretrained_weights_path: './pretrained/swin_base_patch4_window7_224.pth'

dataset:
  train_data_dir: '/path/to/train/images/'
  val_data_dir: '/path/to/validation/images/'
  batch_size: 32
  
training:
  epochs: 100
  optimizer: adam
  learning_rate_scheduler:
    warmup_epochs: 3
    base_lr: 0.001
    
evaluation:
  eval_interval: 5
  metrics: ['accuracy', 'precision']

logging:
  log_save_freq: 10
  checkpoint_save_freq: 20

#### 训练流程的最佳实践
遵循良好的工作流有助于提高实验效率并减少潜在错误的发生概率。建议的操作顺序如下所示：

- 设置全局随机种子以便于复现实验结果；
- 加载预先准备好的配置项；
- 实例化所选型号的对象；
- 处理好有关磁盘I/O以及硬件加速方面的事务；
- 构建优化算法实例（推荐Adam）连同其配套的学习速率调节方案；
- 若有必要，则加载先前已有的检查点继续未完成的工作；
- 编写合适的代价度量公式；
- 组织起有效的样本供给链路；
- 启动正式的教学环节，期间穿插着阶段性测试活动；
- 不定时地存档最新的参数快照并且撰写详尽的日志文档[^1]。