PyTorch学习之路：ResNet-34实现CIFAR10分类

最新推荐文章于 2024-08-15 16:33:35 发布

浩比浩比

最新推荐文章于 2024-08-15 16:33:35 发布

阅读量4k

点赞数 2

CC 4.0 BY-SA版权

分类专栏： PyTorch学习之路文章标签： PyTotch Python

本文链接：https://blog.youkuaiyun.com/MaybeForever/article/details/88975345

该博客介绍了使用PyTorch实现ResNet-34模型进行CIFAR10数据集分类的过程，内容包括代码参考和手动复现的步骤。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本代码参考廖星宇《深度学习入门之PyTorch》中的示例代码，手动拼接复现而来，仅供个人使用，侵删。

#ResNet实现CIFAR10分类
from datetime import datetime
import torch
import torch.nn.functional as F
from torch import nn
from torch.autograd import Variable
from torch import optim
from torch.utils.data import DataLoader
from torchvision import datasets,transforms


#定义ResNet基本模块-残差模块
def conv3x3(in_channel, out_channel, stride=1):
    return nn.Conv2d(
        in_channel,
        out_channel,
        kernel_size=3,
        stride=stride,
        padding=1,
        bias=False)

#Residual Block
class residual_block(nn.Module):
    def __init__(self, in_channel, out_channel, stride=1, downsample=None):
        super(residual_block, self).__init__()

        self.conv1 = conv3x3(in_channel, out_channel, stride)
        self.bn1 = nn.BatchNorm2d(out_channel)

        self.conv2 = conv3x3(out_channel, out_channel)
        self.bn2 = nn.BatchNorm2d(out_channel)
        self.downsample = downsa