pytorch-resnet50 and cifar-10

写在前面

仓库持有者是SZU22级交通专业学生，此仓库用于记录我的学习生活——to crabbit

概述

通过pytorch里面的resnet50模型实现对cifar-10数据集的分类，并将混淆矩阵和部分特征图可视化。

最终测试集的准确率达到95%以上。

辅以另外两个网络googlenet和densenet与resnet50进行对比

环境配置

python版本3.9

cuda版本11.7

pytorch版本2.0.0+cu117

torchvision版本0.15.2+cu117

torchaudio版本0.13.1+cu117

如果你还没安装环境，请一定要确定好cuda,python,以及torch这三者之间的版本依赖，这很重要！

代码组成

• main.py

用于运行主程序

• get_data.py

用于下载cifar-10数据，并对数据进行预处理

可以在此文件中更改self.train_batch_size与self.test_batch_size为你需要的batch size

• modle.py

用于训练与测试模型

可以在此文件中更改self.epoch为你需要的epoch数

可以更改self.optimizer中的lr为你需要的学习率

• visual.py

进行所有可视化操作，包括训练过程中acc-loss的变化曲线，测试集的混淆矩阵

请注意：该项目中的混淆矩阵对y轴进行了翻转操作



当模型选择为resnet时，会在模型训练后挑选十张图片，输出原图与预测结果，如果预测正确，字体颜色为绿，反之为红。



此外，还会挑选一张照片，显示模型训练完毕后，在每一层的部分特征图，类似下图：

写在最后

本人非计软学生，python基本都是自学，水平有限，欢迎各位指正我代码的问题，对此项目有疑问也欢迎来问我。联系方式[email protected]