CIFAR10准确率达96.2%，（resnet18且不使用预训练模型）

课上大作业实践记录：老师要求使用卷积神经网络训练cifar10。

我分别在数据增强、模型调整、优化器选择三个方面来提高分类的准确度。

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。

 

数据增强方面使用了多种方式的排列组合并且创造性地将数据集“扩充”

架构方面使用resnet18，maxpool和三个线性层

具体代码见ipynb文件