Pytorch划分数据集问题

Q1：验证集准确率在0.5左右

在Cifar10数据集上实现二分类任务，

模型结构：

self.model = models.resnet18(pretrained=False)

在200个epoch训练过程中，训练集的准确率在0.9左右，而验证集的正确率维持在0.5左右。

原因分析：

训练集为10000张，其中划分了2000张给验证集，而我刚开始划分数据集的逻辑是将前百分之80的数据充当训练集，后百分之20的数据充当验证集，经过调试之后发现训练集中主要学习鸟(50%)+猫(30%)的图片，而验证集中都是猫(20%)的图片。但是理论上它应该能学习到这种性质吧。。

修改后：

采用以下划分方式，很方便的随机打乱数据，最终训练集准确率0.91左右，验证集0.89左右，测试集0.86左右

from torch.utils.data import random_split

train_set, valid_set = random_split(img_path,[train_len,val_len]);