摘要??

上篇文章我介紹了DenseNet模型的網(wǎng)絡結構和argparse模塊，這篇文章我將和大家一起完成DenseNet模型的實戰(zhàn)。

數(shù)據(jù)集選用第三篇 制作數(shù)據(jù)集制作的數(shù)據(jù)集，模型用Pytorh自帶的DenseNet模型。在這篇文章中，我盡量的簡化代碼，只保留最基本的邏輯，讓每一個初學者能夠看明白。通過這篇文章你能學到： 1、如何訓練模型？ 2、如何推理？ 3、如何讀取數(shù)據(jù)集、處理數(shù)據(jù)集？ 4、如何保存權重文件和整個模型文件？ 5、如何使用評價指標，如ACC、ReCall等指標評價模型。 6、如何使用matplotlib.pyplot繪制acc和loss曲線圖？ 7、如何使用余弦退火學習率調整策略調整學習率？ 8、如何使用Mixup,CutMix，CutOut等數(shù)據(jù)增強？ 9、如何使用Pytorch自帶的增強方法 10、如何使用argparse模塊

1 項目結構??

DenseNet_Demo
├─trainvals
│??├─雙子座
│??├─雙魚座
│??├─處女座
│??├─天秤座
│??├─天蝎座
│??├─射手座
│??├─山羊座
│??├─巨蟹座
│??├─水瓶座
│??├─獅子座
│??├─白羊座
│??└─金牛座
├─test
├─makedata.py
├─mean_std.py
├─train.py
└─test.py


trainvals：數(shù)據(jù)集，接下來我們將其劃分為訓練集和驗證集。 test：測試集 makedata.py：劃分數(shù)據(jù)集的方法 mean_std.py：計算mean和std的值。 train.py:訓練DenseNet模型

文章鏈接：https://blog.csdn.net/m0_47867638/article/details/131425249?spm=1001.2014.3001.5502