fastai 核心部件

1、ImageDataBunch 对数据封装的很好，包括预处理都在这里面完成了

2、models 现有模型及权重

2-1 create_body 可以用来获取现有模型的主体结构

2-2 create_head 可以用来创建分类器的全连接层，加了 flat, norm归一化在里面，效果比较好

3、learner, 数据，模型，loss函数与学习方法的合体

3-1 create_cnn 用来创建 fastai内置好的 lerner, 效果比较好。之前没完全弄得，弄个模型就想网 create_cnn里面塞，导致报错，应该是切分和分层没配置。

learner任意模型放到 learner里面就能用，但是效果没有 create_cnn的好。应该还是分层没对的结果。这个还要调试。

4、迁移学习时的冻结和解冻 learn.freeze(）learn.unfreeze()都有对分层做这里，这就是还需要研究的地方。把learner的效果做成和 create_cnn的效果一样。

cut 可以是数字或者是返回骨架的一个函数——待会尝试下

split_on 是一个函数，急需验证下——太神奇了，应用了该技术后，收敛明细加快。

def _resnet_split(m:nn.Module): return (m[0][6],m[1])

是分成了3个group, 前面0-5，6到最后，然后是头部

cut -1，-2好些有点不对

巴特西