前情摘要

由于本人深度学习小白一枚，几乎没有实现过手写的深度学的代码，但是作为一名计科的学生，怎么能不会动手实现深度学习的呢？

于是上网搜查资料，几乎都是长篇大论，没有一个适合小小白入门的，于是编各处搜集资料，希望能够简单入门一下，即使不知道神经网络的一些原理，我们也可将其用代码实现出来

虽然过程比较痛苦，但是还是可以实现的。

由于pytorch框架使用起来更加简单，而且更加灵活，对于初学者比较友好一点

就是如果有一个模板代码几乎可以吃遍所有神经网络模型（resnet，alexent，inception_v3,vgg16,……）这也就是本人的目的了，希望对你有所帮助

使用深度学习 神经网络模型进行图片分类

准备数据集

数据集是一定要有标签的， 意思就是说要进行模型训练之前要先告诉他一些，然后再让他去学习的

就比如要区分道路是否有坑

给他这张图的同时要告诉他是正常的道路

给出这张图的同时告诉他是坑洼的道路

其次就是数据集的数量至少要有500张以上才好，不然会过拟合，模型效果也不好

最后还有一点要注意的是下载后数据集后，数据集的目录结构要与dataset.py中的代码要一致 不然无法开始训练

找数据集的网站：

kaggle

hugeface

开始训练

你的任务是准备好数据，喂给他，然后训练他

训练对应的是 main.py

数据集对应的是dataset.py

然后要修改模型就可以再对应模型.py中修改，训练和数据集的代码就几乎不用修改了（不排除有一些模型比较特殊需要修改）

END

然后直接坐等他训练好