使用 PyTorch 训练 CIFAR10 数据集

我正在使用 PyTorch 在 CIFAR10 数据集上进行实验。

前置条件

• Python 3.6+
• PyTorch 1.0+

训练

# 开始训练：
python main.py

# 您可以手动恢复训练，方法如下：
python main.py --resume --lr=0.01

准确率

模型	准确率
VGG16	92.64%
ResNet18	93.02%
ResNet50	93.62%
ResNet101	93.75%
RegNetX_200MF	94.24%
RegNetY_400MF	94.29%
MobileNetV2	94.43%
ResNeXt29(32x4d)	94.73%
ResNeXt29(2x64d)	94.82%
SimpleDLA	94.89%
DenseNet121	95.04%
PreActResNet18	95.11%
DPN92	95.16%
DLA	95.47%

pytorch-cifar 快速上手指南

本指南帮助中国开发者快速使用 pytorch-cifar 项目在 CIFAR10 数据集上训练深度学习模型。

环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统：Linux / macOS / Windows
• Python 版本：3.6 或更高
• 深度学习框架：PyTorch 1.0 或更高

国内加速建议： 安装 PyTorch 时，推荐使用清华源或中科大源以加快下载速度。例如使用 pip 安装：

pip install torch torchvision -i https://pypi.tuna.tsinghua.edu.cn/simple

安装步骤

1. 克隆项目代码到本地：

   git clone https://github.com/kuangliu/pytorch-cifar.git
   cd pytorch-cifar
   

2. 安装项目依赖（如果尚未安装 PyTorch）：

   pip install -r requirements.txt
   

   注：若 requirements.txt 未包含 torch，请参考上方“环境准备”中的命令单独安装。

基本使用

开始训练

运行以下命令即可使用默认配置（通常为 VGG16 或 ResNet18，具体视代码默认设置而定）开始训练 CIFAR10 模型：

python main.py

恢复训练

如果训练意外中断，可以使用以下命令从断点处恢复训练，并手动指定学习率：

python main.py --resume --lr=0.01

训练完成后，脚本会自动输出模型在测试集上的准确率。参考该项目支持的模型包括 ResNet, DenseNet, MobileNetV2, RegNet 等，最高准确率可达 95% 以上。