一、前言

最近在学习深度学习这门课程，学一下博客记录用pytorch框架实现一些常用的CNN算法。
Build a Covolutional Neural Network to classifing CIFAR10 by Pytorch API。
CIFAR10是另一个著名的深度学习图像分类识别数据集，比MINIST更复杂，而且是RGB彩色图片。
本文所有代码放在Github上面：Github传送门
https://github.com/KsongloveCv/CNNs_with_pytorch

二、搭建Pytorch虚拟环境

1、创建Pytorch虚拟环境

2、进入Pytorch虚拟环境

source activate prtorch

安装pytorch。
网址：Pytorch网址
https://pytorch.org/

conda install pytorch torchvision cudatoolkit=10.1 -c pytorch

三、卷积神经网络训练CFAIR10

1、Lenet训练CFAIR10

训练的lenet准确度在63%左右，远低于MINIST的99%，简单的LeNet对较复杂的图片准确度不高。

2、AlexNet训练CFAIR10

准确率达到75%，对比LeNet-5的63%，有大幅提升。
3、Vgg19训练CFAIR10

准确率达到85%，对比AlexNet的75%，提升了10%。
4、ResNet34 训练CFAIR10

运行200个迭代，每个迭代耗时22秒，准确率不高，只有80%。准确率变化曲线如下：

5、ResNet34 数据增强 训练CFAIR10

数据增强后准确率达到85%，对比Resnet34,有大幅提升。
6、ResNet34 微调网络结构 训练CFAIR10


微调网络后准确率达到84%，对比Resnet34,也有提升。