Pytorch程式碼練習：

1.資料集分類

​ 首先，將資料載入進入：

​ 顯示資料集中的影象：

​ 然後按照對應的操作建立網路，定義訓練和測試函式；之後，在小型全連線網路上進行訓練：

​ 再在卷積神經網路上訓練：

​ 測試打亂影象畫素順序再次進行測試：

​ 重新定義訓練測試函式，對data加入打亂操作後在全連線網路上進行測試：

​ 再在卷積神經網路上進行測試：

​ 可以得出卷積神經網路在打亂順序後效能下降的結論。

2.資料分類：

​ 首先，按照檔案中安排，載入歸一化CIFAR10使用torchvision；然後展示其中一部分圖片：

​ 然後定義網路，損失函式和優化器，並訓練網路：

​ 從剛剛的測試集中取出8張圖片，並將他們輸入模型檢視識別結果：

​ 可以看到識別的準確率略低。

3.用VGG16進行CIFAR10分類：

​ 首先，按照要求對dataloader進行定義：

然後定義VGG網路，通過室友指點，瞭解到有地方出現問題，並加以修改：

（在頭部加入cfg的定義）

初始化網路之後，進行網路訓練，測試程式碼與之前相同（就不放置圖片了）

然後測試驗證準確率，程式碼內容：

準確度：

可見簡化版VGG就可顯著提升準確程度。