pytorch识别CIFAR10：训练ResNet-34（数据增强，准确率提升到92.6%）

版权声明：本文为博主原创文章，欢迎转载，并请注明出处。联系方式：460356155@qq.com

在前一篇中的ResNet-34残差网络，经过减小卷积核训练准确率提升到85%。

这里对训练数据集做数据增强：

1、对原始32*32图像四周各填充4个0像素（40*40），然后随机裁剪成32*32。

2、按0.5的概率水平翻转图片。

代码具体修改如下：

 1     transform_train = transforms.Compose([
 2         # 对原始32*32图像四周各填充4个0像素（40*40），然后随机裁剪成32*32
 3         transforms.RandomCrop(32, padding=4),
 4 
 5         # 按0.5的概率水平翻转图片
 6         transforms.RandomHorizontalFlip(),
 7 
 8         transforms.ToTensor(),
 9         transforms.Normalize([0.5, 0.5, 0.5], [0.5, 0.5, 0.5])])
10 
11     transform_test = tv.transforms.Compose([
12         transforms.ToTensor(),
13         transforms.Normalize([0.5, 0.5, 0.5], [0.5, 0.5, 0.5])])
14 
15     # 定义数据集
16     train_data = tv.datasets.CIFAR10(root=ROOT, train=True, download=True, transform=transform_train)
17     test_data = tv.datasets.CIFAR10(root=ROOT, train=False, download=False, transform=transform_test)

从前面网络训练准确率的变化看，训练不到100个迭代准确率基本就稳定不变，因此这里只训练150个epoc