- 博客(1)
- 收藏
- 关注
原创 CIFAR10准确率达96.2%,(resnet18且不使用预训练模型)
我仅凭数据增强方法,可以随机对图像进行(旋转角度、灰度处理、色调调整、随机放射变换)。并且创造性地将训练集复制多份,将测试集准确率提升到95以上。模型调整方面,选择renet18、resnet34、resnet50模型的基础上进行相应的改进,修改了线性层,池化层,Dropout层,最后做出对比。优化器选择方面,从不同参数对于不同优化器的影响,做出对比实验,选出最终的优化器(SGD)。通过以上三个步骤,我们成功将测试集准确率集提升到96%以上。三个方面来提高分类的准确度。具体代码见ipynb文件。
2024-07-21 19:51:10
294
pytorch-cifar-10的测试集准确率达96.2%,(resnet18且不使用预训练模型)
pytorch-cifar-10的测试集准确率达96.2%,(resnet18且不使用预训练模型)
2024-07-21
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人