在此示例中，我们将使用 SuperGradients 在 CIFAR10 图像分类数据集上从头开始训练 ResNet18 模型。我们还将通过迁移学习以及在 ImageNet 数据集上预先训练的权重来微调同一模型。
快速安装
对于这个例子，唯一必要的包是超级梯度。安装超级梯度还将安装运行本示例中的代码所需的所有依赖项。
pip install super-gradients
1. 实验设置
首先，我们将初始化我们的训练器，它是一个 SuperGradients Trainer 对象。
from super_gradients import Trainer
训练器负责训练模型、评估测试数据、进行预测和保存检查点。
要初始化训练器，必须提供实验名称。我们还将通过ckpt_root_dir参数提供检查点根目录。在此目录中，将驻留所有实验的日志、张量板和检查点目录。该参数是可选的，如果未提供，则假定项目路径中存在“checkpoints”目录。
将创建一个具有实验名称的目录作为子目录，ckpt_root_dir如下所示：
ckpt_root_dir
|─── experiment_name_1
│ ckpt_bes