第4次作业-CNN实战

第四次作业：猫狗大战挑战赛

在进行了n次尝试之后，参考了大佬的【傻瓜式博客教学】（感激不尽），终于可以了！

【问题】：前面很多次都是运行不到一半就进行不下去了，这种情况是为什么呢？👇

【关于文件】

colab里可以通过Linux的一些命令进行操作：

unzip test.zip 会默认将文件解压到当前目录，加-d选项解压到指定目录。

colab中图片是这么排序的，可以提取标号，与分类结果一同输出，再进行排序

【步骤】：

1.下载数据

2.数据预处理

datasets 是 torchvision 中的一个包，可以用做加载图像数据，torchvision 支持对输入数据进行一些复杂的预处理/变换 。

3.创建VGG Model

torchvision中集成了很多在 ImageNet （120万张训练数据） 上预训练好的通用的CNN模型。

4.修改最后一层，冻结前面层的参数

目标是使用预训练好的模型，因此，需要把最后的 nn.Linear 层由1000类，替换为2类。为了在训练中冻结前面层的参数，需要设置 required_grad=False。这样，反向传播训练梯度时，前面层的权重就不会自动更新了。训练中，只会更新最后一层的参数。

5.训练并测试全连接层

第1步，创建损失函数和优化器；第2步，训练模型；第3步，测试模型。

【优化尝试】

使用Adam优化器比SGD效果好👇

通过尝试，增大epoch，减小学习率进行优化👇