cifar10数据集调参与模型选择实验总结

本次实验综合性很强，对于cifar10数据集，可以采取多个模型来训练和调用模型来识别图片，在本次实验中，我主要采用了Baseline，LeNet5，这两个模型来进行对比，并最终综合选择较好的一个模型来对图片进行识别。这两个模型都需多次调参，不断的优化来提高准确率，但调的过程中又容易导致训练过拟合，而每次训练都需要花费太多时间，特别是网络结构复杂的模型需要足够的时间。对于Baseline，LeNet5模型网路结构相对简化，神经元个数对比相对较少，所以花费时间相对较少，而LeNet5模型我多次调参，没能较好的处理过拟合现象，所以综合考虑，我最终选择了Baseline模型来实现图像的识别。经过此次实验，我觉得的最重要的是做实验的过程，说实话每次的实验都能学到很多的东西，也是对自己一学期所学的内容进行一个总结。