文章目录
- 一、步骤说明
- 二、实验代码
- 2.1 代码
- 2.2 显示各层参数
- 三、改进
- 3.1 改进1：全局池化
- 3.2 改进2：使用模型集成方法
- 3.2 改进3：使用现代经典模型VGG16
一、步骤说明
CIFAR-10：包含 10 类小图片：飞机、汽车、鸟、猫、鹿、狗、青蛙、马、船、卡车。
- 图片尺寸：32 × 32 像素（非常小！）
- 彩色图：3 通道（RGB）
- 训练集：50000 张
- 测试集：10000 张
通过一个用卷积网络实现分类的实例，来说明如何处理数据，借助 nn工具箱来实现神经网络，并实现训练测试等完整过程。
- 数据处理
- 搭建网络
- 循环训练 epochs 轮
- 训练结束：读取保存的各项list，绘制损失、准确率变化曲线
二、实验代码
2.1 代码
importtorchimporttorch.nnasnnimporttorch.nn.functionalasFimporttorch.optimasoptimimporttorch.utils.dataasdataimporttorchvision.datasetsimporttorchvision.transformsastransforms# =============================== 数据处理 ===============================transform=transforms.Compose([transforms.ToTensor(),transforms.Normalize((0.5,0.5,0.5),(0.5,0.5,0.5))])train_dataset=torchvision.datasets.CIFAR10(root='./data',train=True,download=True,transform=transform)test_dataset=torchvision.datasets.CIFAR10(root='./data',train=False,download=True,transform=transform)train_loader=data.DataLoader(dataset=train_dataset,batch_size=4,shuffle=True)test_loader=data.DataLoader(dataset=test_dataset,batch_size=4,shuffle=True)classes=('plane','car','bird','cat','deer','dog','frog','horse','ship','truck')# =============================== 搭建网络 ===============================classCNN(nn.Module):def__init__(self):super(CNN,self).__init__()self
