图像分类实战（三）-pytorch+SE-Resnet50+Adam+top1-96

top1直达96的模型：

pytorch框架、网络模型SE-Resnet50，优化算法Adam

 

---

 

pytorch:

pytorch官方文档，每个模块函数都有github源码链

教程的链接 http://pytorch.org/tutorials/ 

官方网站的连接 http://pytorch.org/ 

pytorch的github主页https://github.com/pytorch/pytorch

Pytorch（一个优雅的框架）https://www.jianshu.com/p/6b96cb2b414e

Pytorch[facebook]是一个python优先的深度学习框架，是一个和tensorflow[google、工程能力强]，Caffe，MXnet[amazon], theano[适合科研]一样，非常底层的框架，它的前身是torch，主要的语言接口是Lua，在如今github上前10的机器学习项目有9个都是python的时代，一直没有太多的人使用，比较小众。而pytorch如今重新归来，用python重写了整个框架，又重新回到了程序员的视线。

在如今机器学习框架百出的时代，并没有哪个框架是最好的，每个框架都有各自的优点。我们有必要掌握不同的框架，不要说精通每个框架，至少能够看看这个框架下的代码，因为github上不断地有牛人论文复现，而他们用的框架肯定不会都是一样的，所以你至少要能够阅读别人写的在各个框架下的代码。

 

使用keras & pytorch 的优缺点：

[keras] 一个很高层的结构，它的后端支持theano或tensorflow，它本质上并不是一个框架，只是对框架的操作做了一个封装，你在写keras的时候其实是对其后端进行调用，相当于你还是在tensorflow或者theano上跑程序，只不过你把你的语言交给keras处理了一下变成tensorflow听得懂的语言，然后再交给tensorflow处理，这样的后果当然方便你构建网络，方便定义模型做训练，极快的构建你的想法，工程实现很强，但是这样也有一个后果，那就是细节你没有办法把控，训练过程高度封装，导致你没有办法知道里面的具体细节，以及每个参数的具体细节，使得调试和研究变得很困难。

[pytorch] 一个底层框架，类似theano & tensorflow。它的底层优化仍然实在c上的，但是它基本所有的框架都是用python写的。

 

---

 

SE-Resnet50_33epoch:

1. SE-Resnet，ImageNet2017的冠军

2. 网络模型，50层，训练了33个epoch。

3. top1-96。

---

 

 

Adam:

1. 了解adam和sgd的区别

https://blog.csdn.net/jiachen0212/article/details/80086926

sgd是最初的一种优化算法，深度学习优化算法经历了 SGD -> SGDM -> NAG ->AdaGrad -> AdaDelta -> Adam -> Nadam 这样的发展历程。

另外，说到优化算法，入门级必从 SGD 学起，老司机则会告诉你更好的还有 AdaGrad / AdaDelta，或者直接无脑用 Adam。可是看看学术界的最新 paper，却发现一众大神还在用着入门级的 SGD，最多加个 Momentum 或者 Nesterov，还经常会黑一下Adam

2. 优化算法的选择和使用：

一般先用adam，再使用sgd

3. 总结：

Adam收敛更快，时间成本低

Sgd速度比较慢，但效果更好，假如时间充裕使用agd