第四次作业:猫狗大战挑战赛

标题 第四次作业:猫狗大战挑战赛

第四次作业:猫狗大战挑战赛_第1张图片
第四次作业:猫狗大战挑战赛_第2张图片
利用谷歌云盘上的Colab对程序进行训练、测试:
代码练习需要使用谷歌的 Colab,它是一个 Jupyter 笔记本环境,已经默认安装好 pytorch,不需要进行任何设置就可以使用,并且完全在云端运行。使用方法可以参考 Rogan 的博客:
https://www.cnblogs.com/lfri/p/10471852.html
首先判断是否使用GPU设备:
第四次作业:猫狗大战挑战赛_第3张图片
对图片进行解压缩:
在这里插入图片描述
加载图片:
第四次作业:猫狗大战挑战赛_第4张图片
第四次作业:猫狗大战挑战赛_第5张图片
显示部分图片:
第四次作业:猫狗大战挑战赛_第6张图片
下载训练模型:
第四次作业:猫狗大战挑战赛_第7张图片
第四次作业:猫狗大战挑战赛_第8张图片
第四次作业:猫狗大战挑战赛_第9张图片
进行模型训练:
第四次作业:猫狗大战挑战赛_第10张图片
第四次作业:猫狗大战挑战赛_第11张图片
测试模型:
第四次作业:猫狗大战挑战赛_第12张图片
将模型放到研习社上进行测试:
第四次作业:猫狗大战挑战赛_第13张图片
测试结果:
第四次作业:猫狗大战挑战赛_第14张图片

心得体会:
1.增加 epoch 数量会提高训练的准确度
2.优化器改为 Adam 会提高训练时收敛的速度
通过这次作业,我对VGG模型的迁移学习有了更深入的了解,并且积累了一些技术,但是,自己对VGG模型的思想理解的并不透彻,需要进一步学习。

你可能感兴趣的:(神经网络)