详解VGG训练CIFAR10

刚刚调试代码的时候发现最后全连接层的输出是错的，改完之后训练轻松站上80+%。
而且发现训练样例的数目也搞错了…在循环设断点，发现前面数据读不出来，pycharm里改一下就好

把Gevent conpatiable勾上。
先看一下数据集
发现是（50000,32,32,3）的数据，共50000张，为32×32×3的图片。

训练样例有10000个。batchsize设为128.

再看一下VGG16网络。
输入前是（128,32,32,3）的张量，经过卷积后是（128,512,1,1）


再将它铺平全连接。


全连接后成了（128,10）的张量。

       loss = nn.functional.cross_entropy(outputs, labels.to(device))

损失函数这里我上篇博客也是写道，nn.functional和nn的这里搞了半天，老时传参错误。实际上他俩功能一样，不同是nn需要先实例化，再传参，而nn.functional直接传参就可以了，具体的贴个帖子，写的很好：

https://www.zhihu.com/question/66782101#身体有点难受，就没仔细看

那具体损失函数是怎么算的呢，再贴两个个帖子：

https://blog.csdn.net/qq_22210253/article/details/85229988
https://www.cnblogs.com/marsggbo/p/10401215.html

最后算出来损失值，再反传。身体不适，反传还有损失这块具体也没看，本身还想搞一下ResNet，再找机会吧。