【资料图】

摘要

上篇文章我介绍了DenseNet模型的网络结构和argparse模块，这篇文章我将和大家一起完成DenseNet模型的实战。

数据集选用第三篇 制作数据集制作的数据集，模型用Pytorh自带的DenseNet模型。在这篇文章中，我尽量的简化代码，只保留最基本的逻辑，让每一个初学者能够看明白。通过这篇文章你能学到：1、如何训练模型？2、如何推理？3、如何读取数据集、处理数据集？4、如何保存权重文件和整个模型文件？5、如何使用评价指标，如ACC、ReCall等指标评价模型。6、如何使用绘制acc和loss曲线图？7、如何使用余弦退火学习率调整策略调整学习率？8、如何使用Mixup,CutMix，CutOut等数据增强？9、如何使用Pytorch自带的增强方法10、如何使用argparse模块

1 项目结构

DenseNet_Demo├─trainvals│  ├─双子座│  ├─双鱼座│  ├─处女座│  ├─天秤座│  ├─天蝎座│  ├─射手座│  ├─山羊座│  ├─巨蟹座│  ├─水瓶座│  ├─狮子座│  ├─白羊座│  └─金牛座├─test├─├─mean_├─└─

trainvals：数据集，接下来我们将其划分为训练集和验证集。test：测试集：划分数据集的方法mean_：计算mean和std的值。:训练DenseNet模型

文章链接：/m0_47867638/article/details/131425249?spm=