第四次作业：猫狗大战挑战赛

【第一部分】示例代码学习心得

这个实验使用了vgg16来完成猫狗识别，vgg整体结构由卷积层和全连接层，池化组成，要完成实验，需要掌握维度变换，数据处理，和函数的应用。

1. 数据处理
   定义dataset类：
   
   创建dataloader（多线程批量加载图像的类）：
   
2. 许多模型大部分都使用imagenet数据集1000类训练，但实际上有时候这并不适用于我们自己的数据集。所以此实验就采用了与训练好的模型部分参数，进行迁移学习，对原网络进行 fine-tune 。为了能够提高速率，本实验，制作了新的数据集，其中训练集包含1800张图，测试集包含2000张图，通过此数据集对vgg16网络的最后三层全连接1层进行训练，因此，需要把最后的 nn.Linear 层由1000类，替换为2类，将最后一层全连接层输出维度改为2.
   
3. 训练测试
   使用sgd优化器，NLLLoss()损失函数
   

【第二部分】“猫狗大战”比赛代码练习

1.上传结果评测

由于时间关系，我们并没有优化模型，准确率为95.75%

2.代码修改部分

首先，上传测试集以便对其分类

使用unzip指令解压该测试集


加载测试集并对图像进行预处理，将图片从中心裁剪成224×224×3的大小(3代表RGB三个通道)，统一图像尺寸，并且将图像按给定均值和方差做归一化处理。

模型的训练等操作和之前一样

对测试集使用训练好的模型，得到prediction等参数

将图像名称和分类结果按照要求输出为.csv文件

3.遇到的问题及解决方法

1.测试集文件报错

解决方法：在文件夹中创建一个子文件夹，将所有图片文件放进子文件夹即可

2.for循环顺序输出的结果检测正确率在50%左右

解决方法：原因是文件排序为上图所示，并非顺序输出，所以第一列输出文件名即可

3.测试集执行老师编写的部分之后出现以下情况

解决方法：忽略这个问题，因为测试集的class属性全为’0‘，如下图所示，故老师提供的检测方法不再适用。

以下就是一名组员的出错经历以及感想

4.分析使用哪些技术可以进一步提高分类准确率

可采用数据增强技术如：翻转、旋转、缩放比例、移位、裁剪等生成规模更大的样本。