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