【PyTorch深度学习项目实战100例】—— 基于MnasNet实现垃圾分类任务 | 第47例

前言

大家好，我是阿光。

本专栏整理了《PyTorch深度学习项目实战100例》，内包含了各种不同的深度学习项目，包含项目原理以及源码，每一个项目实例都附带有完整的代码+数据集。

正在更新中~ ✨

🚨 我的项目环境：

• 平台：Windows10
• 语言环境：python3.7
• 编译器：PyCharm
• PyTorch版本：1.8.1

💥 项目专栏：【PyTorch深度学习项目实战100例】

---

一、基于MnasNet实现垃圾分类任务

该任务是基于PyTorch框架完成的，深度学习中从头开始训练一个模型非常耗时耗力，因此我们经常采用的一种方法是：在一些经常用的数据集如OpenImage、ImageNet、VOC、COCO上采用已经预训练好的模型，做一些微调，来提升模型的效果，称为Fine Tune。

本实验以MnasNet + 垃圾分类数据集为例，主要介绍如何使用PyTorch在CPU/GPU平台上进行Fine-Tune。

所以本项目在研究垃圾分类过程中，借助人工智能算法的优势，开展基于深度神经网络的图像分类实验。借助MnasNet模型进行迁移学习，经迭代100次后分类准确率达到90.54%。