图像分类 resnet，WRN, SE-resnet, Densenet, pyramid, shake_shake

分类基线网络，resnet，WRN, SE-resnet, Densenet, pyramid, shake_shake,有使用说明，pytorch，亲测有效，cifar10精度97.34%，cifar100精度86.57%，mini-imagenet精度84.51%

hi，这是我用百度网盘分享的内容~复制这段内容打开「百度网盘」APP即可获取
链接:https://pan.baidu.com/s/1GGV4oE3kzlTqdcQ_Pgzmuw
提取码:5xng

使用说明

怎样使用image-classification-master
作者：orange

安装anaconda
离线安装包一路确定即可

打开 Anaconda prompt

创建虚拟环境

conda create -n pytorch python=3.8

激活虚拟环境

activate pytorch

#回复默认设置
conda config --remove-key channels

添加清华源

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
#显示安装通道
conda config --set show_channel_urls yes

安装pytorch

conda install pytorch torchvision -c pytorch

安装numpy

conda install numpy

安装scipy

conda install scipy

测试torch是否可用

首先进入python

在Anaconda prompt输入python即可（环境是虚拟环境pytorch）

#在python输入以下语句
import torch
flag = torch.cuda.is_available()
print(flag)

若出现true 则可用

可在Anaconda prompt 直接运行

activate pytorch
D: //如果放在E盘，则改成E:
cd D:\anaconda\image-classification-master //注意修改路径
python train.py --model Resnet --dataset cifar10 --layers 20 --widen-factor 1 --Test accuracy --GPU 1 //这些参数都可以修改

activate pytorch
D:
cd D:\anaconda\image-classification-master
python train.py --model Resnet --dataset cifar10 --layers 20 --widen-factor 1 --Test accuracy --GPU 1

或者直接打开train.py运行