2021秋软件工程-名画识别

Beta(5/6)

已经完成的工作：将Pytorch框架部署在服务器上，服务器已基本确定为云服务器；网络改为EfficientNetB2，迭代训练模型。
计划完成的工作：进一步提高识别精度，继续迭代训练模型。
遇到的困难：对训练原理了解较少，因此在已有的代码基础上进行改进以实现精度提高较为困难。

Alpha(3/6)

已经完成的工作：尝试将Pytorch框架部署在服务器上，服务器已基本确定为云服务器；迭代训练模型。
计划完成的工作：在服务器端部署Pytorch框架；继续迭代训练模型。
遇到的困难：EfficientNet较大，训练缓慢，而Colab有GPU限额；迭代过程中Train数据集精度有波动。

Alpha(2/6)

已经完成的工作：学习EfficientNet相关知识，并尝试将B1-B5网络应用于本项目
计划完成的工作：进一步理解冠军代码和EfficientNet，在迭代过程中提高识别准确率
遇到的困难：在服务器端安装Pytorch框架困难，而以上模型均在Colab的Pytorch框架下实现

Alpha(1/6)

已经完成的工作：复习深度学习的相关知识；加入相关项目组并完成repository初始化；阅读AI研习社的冠军代码并完成复现。
计划完成的工作：进一步理解冠军代码，尝试进行原创化改进，争取提高识别准确率
遇到的困难：代码复杂，理解较为困难，仅能进行简单的使用