深度学习基础——（3）视觉处理基础实战【CNN实现CIFAR10 多分类】

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