训练一个epoch十分钟,一次大概能训练十几个epoch,尝试把数据集移到谷歌云盘外,但是训练速度并没有加快,训练时train loss和test loss不断下降,说明网络仍在学习,acc最高训练到0.15。
完成了前端界面的美化,使用flask框架实现了前端与后端的分离。根据ResNet50网络的结构图,参考开源代码,完成了网络构建,根据已有的10位作家的作品集完成了模型的训练,得到了较好的识别准确率。
优化了预测模型,提升了预测的速度和精度。
进一步检查flask框架中有没有Bug,调整参数以提高准确率
美化前端界面,优化字体的显示等。
继续优化算法模型。
深入了解了resnet50网络模型的结构并根据资料进行了模型组网,完成了网络的实现并得到了不错的识别准确率。
进一步学习了前后端分离的概念,通过文字,图片或者图标等方式让数据形象直观的显示出来。