README

      基于pytorch的多类别图像分类任务实战练习。
      方便起见，使用torchvision封装好的cifar100数据集进行训练和测试

要求

环境配置

• python3.6
• pytorch1.6.0+cu101
• tensorboard 2.2.2(optional)
• numpy1.18.1
• jupyter1.0.0(optional)
• jupyter-client5.3.4(optional)
• jupyter-console6.1.0(optional)
• jupyter-core4.6.1(optional)
• jupyterlab1.2.6(optional)
• jupyterlab-server1.0.6(optional)

可用模型

• Alexnet
• Densetion
  • DenseNet121
  • DenseNet169
  • DenseNet201
  • DenseNet264
• GoogleNet
• ResNet
  • ResNet50
  • ResNet101
  • ResNet152
• VggNet
  • Vgg16
  • Vgg19

使用指南

获取代码

• 1.使用github直接clone到本地环境
• 2.下载压缩包，解压
  • windows解压命令：unzip demo.zip
  • Linux解压命令：sudo unzip FileName.zip

训练&测试网络

• 1.直接使用run.ipynb
• 2.使用终端调用

arg使用指南

• train
  • net 网络（无默认值） eg.-net vgg16
  • gpu 是否使用GPU（默认不使用）
  • class_num 类别数（默认值100） eg.-class_num 100
  • b batch大小（默认128）
  • warm 是否使用预热（默认为1）
  • lr 学习率（默认为0.1）
  • resume 是否重新开始训练（默认重新训练）
• test
  • net 网络（无默认值） eg.-net vgg16
  • gpu 是否使用GPU（默认不使用）
  • class_num 类别数（默认值100） eg.-class_num 100
  • b batch大小（默认128）
  • weight 测试权重的地址