pytorch识别CIFAR10：训练ResNet-34（微调网络，准确率提升到85%）
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，经过训练准确率只达到80%。 这里对网络做点小修改，在最开始的卷积层中用更小（3*3）的卷积核，并且不缩小图片尺寸，相应的最后的平均池化的核改为 ...
原文：pytorch识别CIFAR10：训练ResNet-34（自定义transform，动态调整学习率，准确率提升到94.33%）
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： qq.com 前面通过数据增强，ResNet 残差网络识别CIFAR ，准确率达到了 . 。 这里对训练过程增加 个处理： 训练数据集做进一步处理：对图片随机加正方形马赛克。 每 个epoch，学习率降低 . 倍。 代码具体修改如下： 自定义transform： 数据集处理修改： 训练过程中调整学习率： 运行结果如下： Files ...
2019-03-20 22:46 0 1467 推荐指数：
相关推荐
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 ...
pytorch识别CIFAR10：训练ResNet-34（准确率80%）
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 CNN的层数越多，能够提取到的特征越丰富，但是简单地增加卷积层数，训练时会导致梯度弥散或梯度爆炸。 何凯明2015年提出了残差神经网络，即Reset，并在ILSVRC-2015的分类比赛中获得冠军 ...
深度学习识别CIFAR10：pytorch训练LeNet、AlexNet、VGG19实现及比较（二）
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 AlexNet在2012年ImageNet图像分类任务竞赛中获得冠军。网络结构如下图所示： 对CIFAR10，图片是32*32，尺寸远小于227*227，因此对网络结构和参数需做微调 ...
深度学习识别CIFAR10：pytorch训练LeNet、AlexNet、VGG19实现及比较（三）
定义代码，这里采用VGG19，并加入了BN： 其余代码同深度学习识别CIFAR10：py ...
深度学习识别CIFAR10：pytorch训练LeNet、AlexNet、VGG19实现及比较（一）
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 前面几篇文章介绍了MINIST，对这种简单图片的识别，LeNet-5可以达到99%的识别率。 CIFAR10是另一个著名的深度学习图像分类识别数据集，比MINIST更复杂，而且是RGB彩色图片 ...
[pytorch]动态调整学习率
问题描述 在深度学习的过程中，会需要有调节学习率的需求，一种方式是直接通过手动的方式进行调节，即每次都保存一个checkpoint，但这种方式的缺点是需要盯着训练过程，会很浪费时间。因此需要设定自动更新学习率的方法，让模型自适应地调整学习率。 解决思路 通过epoch来动态调整 ...
Tesseract-OCR5.0字体训练以及提高准确率、提升训练效率的方法
目录 1、准备工作 2、训练步骤 2.1、生成训练用tif和box文件 2.2、生成lstm文件 2.3、生成lstmf文件 2.4、生成lstmf清单文件 2.5、开始训练 2.6、生成traineddata文件 2.7、安装字体 3、验证与测试 4、提高准确率 5、提升 ...