目录
- 一、简介：
- 二、图片分类网络
- 1.记载训练数据（torch自带的cifa10数据集）
- 2.数据增强
- 3.模型构建
- 4.模型训练
- 三、完整源码及文档
一、简介：
基于残差连接的图片分类网络，本网络使用ResNet18作为基础模块，根据cifa10的特点进行改进网络，使用交叉熵损失函数和SGD优化器。本网络在cifa10数据集上不使用预训练参数，经过数据增强，训练30轮达到了85%的分类准确率。
二、图片分类网络
1.记载训练数据（torch自带的cifa10数据集）
2.数据增强
数据增强防止过拟合，将图像数据进行标准化、缩放
3.模型构建
改模型：原始的resnet18首层使用的7x7的卷积核，CIFAR10图片太小不适合，要改成3x3的，步长和padding都要一并改成1。因为图太小，最大池化层也同样没用，删掉。最后一个全连接层输出改成10。
先定义一个残差类（继承NN.module,后面重复使用残差）：
分类模型构建：
