呆板学习入门【经典的CIFAR10分类】

模子

神经网络采取下图

   我利用之后发现迭代多了之后不绝最高是正确率65%左右，然后我自己添加了一些Relu激活函数和正则化，如今正确率可以有80%左右。
  模子代码

1. import torch
2. from torch import nn
4. class YmModel(nn.Module):
5.     def __init__(self):
6.         super(YmModel, self).__init__()
7.         self.model = nn.Sequential(
8.             nn.Conv2d(3, 32, kernel_size=5, stride=1, padding=2),
9.             nn.BatchNorm2d(32),
10.             nn.ReLU(),
11.             nn.MaxPool2d(2),
12.             nn.Conv2d(32, 32, kernel_size=5, stride=1, padding=2),
13.             nn.BatchNorm2d(32),
14.             nn.ReLU(),
15.             nn.MaxPool2d(2),
16.             nn.Conv2d(32, 64, kernel_size=5, stride=1, padding=2),
17.             nn.BatchNorm2d(64),
18.             nn.ReLU(),
19.             nn.MaxPool2d(2),
20.             nn.Flatten(),
21.             nn.Linear(64 * 4 * 4, 512),
22.             nn.ReLU(),
23.             nn.Dropout(0.5),
24.             nn.Linear(512,

复制代码