第三次软件工程作业

在本次实验中主要学习如何使用 PyTorch 进行CNN的训练与测试

1.MINIST数据集分类

首先加载CIFAR10使用torchvision

显示数据集中的部分图像

在小型全连接网络上训练

 

 

 

 

在卷积神经网络上训练后，打乱像素顺序再次在两个网络上训练与测试。

 

 

 

 

 

 

 

2.首先展示CIFAR10里面的一些图片

 

 

然后我们要定义一下网络，损失函数和优化器，将网络放到GPU上

 

 可以看出准确率在64%，通过改进网络结构，使得其准确率进一步提升

 

 3.使用VGG16对CIFAR10进行分类

虽然不是完整版，但同样能提高准确率

首先我们还是有定义dataloader

 

 

 

然后我们要定义一下VGG网络模型

该模型的参数结构发生改变，所以在VGG网络模型需要进行一些改变nn.Linear(2048,10)修改为nn.Linear(512,10)。

 

进行网络训练

 

 

 训练结果：

 

 

 

 

测试验证其准确率： 

可以看到，使用一个简化版的 VGG 网络，就能够显著地将准确率由 64%，提升到 82.79%