问题

1、resnet152

      解决因深度增加而产生的性能下降问题，作者提出下面一种结构来做residual learning，这篇文章主要得改善就是对传统的卷积模型增加residual learning，通过残差优化来找到近似最优identity mappings。

2、一些常见的图像数据增强方式有：

• 亮度，饱和度，对比度的随机变化
• 随机裁剪（Random Crop）
• 随机缩放（Random Resize）
• 水平/垂直翻转（Horizontal/Vertiacal Filp）
• 旋转（Rotation）
• 加模糊（Blurring）
• 加高斯噪声（Gaussian Noise

3、pytorch transforms.compose

      将多个transform组合起来使用

4、pytorch 类似keras model.summary()一样查看网络结构和输出维度

#!pip install torchsummary
from torchsummary import summary

print(Net())
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
model = Net().to(device)
summary(model, (1, 28, 28))

5、bleu使用

默认是bleu-4

BLEU-1，weights=(1, 0, 0, 0)

BLEU-2，weights=(0.5, 0.5, 0, 0)

BLEU-3，weights=(0.33, 0.33, 0.33, 0)

BLEU-4，weights=(0.25, 0.25, 0.25, 0.25)