【pytorch】简单的一个模型做cifar10 分类（三）-采用平均池化

最新推荐文章于 2023-03-26 22:38:29 发布

快乐成长吧

最新推荐文章于 2023-03-26 22:38:29 发布

阅读量354

点赞数

分类专栏： PyTorch

本文链接：https://blog.youkuaiyun.com/qq_37791134/article/details/107974510

版权

本博客介绍了使用PyTorch进行CIFAR10图像分类，在第三部分中，作者采用了平均池化技术，使得模型参数显著减少。尽管如此，实验结果显示模型的loss值较高，性能有待提升。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前面在（二）中已经得到下面的结果啦：

[10,  2000] loss: 0.367
[10,  4000] loss: 0.382
[10,  6000] loss: 0.417
[10,  8000] loss: 0.472
[10, 10000] loss: 0.452
[10, 12000] loss: 0.488
Finished Training
Accuracy of the network on the 10000 test images: 68 %
Accuracy of plane : 75 %
Accuracy of   car : 78 %
Accuracy of  bird : 64 %
Accuracy of   cat : 50 %
Accuracy of  deer : 49 %
Accuracy of   dog : 65 %
Accuracy of  frog : 79 %
Accuracy of horse : 71 %
Accuracy of  ship : 80 %
Accuracy of truck : 70 %

现在得到新的结果如下：

使用全局池化后参数降低了不少。

AAPnet(
  (conv1): Conv2d(3, 16, kernel_size=(5, 5), stride=(1, 1))
  (pool1): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)
  (conv2): Conv2d(16, 36, kernel_size=(5, 5), stride=(1, 1))
  (pool2): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)
  (app): AdaptiveAvgPool2d(output_size=1)
  (fc3): Linear(in_features=36, out_features=10, bias=True)
)

其loss值惨不忍睹

[10,  2000] loss: 0.978
[10,  4000] loss: 0.964
[10,  6000] loss: 0.953
[10,  8000] loss: 0.976
[10, 10000] loss: 0.959
[10, 12000] loss: 0.981
Finished Training
net have 16022 paramerters in total
Accuracy of the network on the 10000 test images: 63 %
Accuracy of plane : 62 %
Accuracy of   car : 72 %
Accuracy of  bird : 64 %
Accuracy of   cat : 43 %
Accuracy of  deer : 37 %
Accuracy of   dog : 55 %
Accuracy of  frog : 83 %
Accuracy of

最低0.47元/天解锁文章