[Github项目]基于PyTorch的深度学习网络模型实现

今天主要分享两份 Github 项目，都是采用 PyTorch 来实现深度学习网络模型，主要是一些常用的模型，包括如 ResNet、DenseNet、ResNext、SENet等，并且也给出相应的实验结果，包含完整的数据处理和载入、模型建立、训练流程搭建，以及测试代码的实现。
接下来就开始介绍这两个项目。

（想自学习编程的小伙伴请搜索圈T社区，更多行业相关资讯更有行业相关免费视频教程。完全免费哦!）

---

1. PyTorch Image Classification

这份代码目前有 200+ 星，主要实现以下的网络，在 MNIST、CIFAR10、FashionMNIST等数据集上进行实验。

使用方法如下：

然后就是给出作者自己训练的实验结果，然后和原论文的实验结果的对比，包括在训练设置上的区别，然后训练的迭代次数和训练时间也都分别给出。

之后作者还研究了残差单元、学习率策略以及数据增强对分类性能的影响，比如

• 类似金字塔网络的残差单元设计(PyramidNet-like residual units)
• cosine 函数的学习率递减策略(Cosine annealing of learning rate)
• Cutout
• 随机消除(Random Erasing)
• Mixup