摘要🐇

上篇文章我介绍了DenseNet模型的网络结构和argparse模块，这篇文章我将和大家一起完成DenseNet模型的实战。

数据集选用第三篇 制作数据集制作的数据集，模型用Pytorh自带的DenseNet模型。在这篇文章中，我尽量的简化代码，只保留最基本的逻辑，让每一个初学者能够看明白。通过这篇文章你能学到： 1、如何训练模型？ 2、如何推理？ 3、如何读取数据集、处理数据集？ 4、如何保存权重文件和整个模型文件？ 5、如何使用评价指标，如ACC、ReCall等指标评价模型。 6、如何使用matplotlib.pyplot绘制acc和loss曲线图？ 7、如何使用余弦退火学习率调整策略调整学习率？ 8、如何使用Mixup,CutMix，CutOut等数据增强？ 9、如何使用Pytorch自带的增强方法 10、如何使用argparse模块

1 项目结构🐇

DenseNet_Demo
├─trainvals
│  ├─双子座
│  ├─双鱼座
│  ├─处女座
│  ├─天秤座
│  ├─天蝎座
│  ├─射手座
│  ├─山羊座
│  ├─巨蟹座
│  ├─水瓶座
│  ├─狮子座
│  ├─白羊座
│  └─金牛座
├─test
├─makedata.py
├─mean_std.py
├─train.py
└─test.py


trainvals：数据集，接下来我们将其划分为训练集和验证集。 test：测试集 makedata.py：划分数据集的方法 mean_std.py：计算mean和std的值。 train.py:训练DenseNet模型

文章链接：https://blog.csdn.net/m0_47867638/article/details/131425249?spm=1001.2014.3001.5502