ResNet50：残差网络在Pytorch中的实现

性能情况

训练数据集	权值文件名称	测试数据集	精度
MNIST-train	resnet50_mnist.pth	MNIST-test	99.64%

所需环境

torch==1.7.1

文件下载

a.模型文件下载

训练所需的resnet50_mnist.pth可以在百度云或google drive下载。 百度云链接： 链接：https://pan.baidu.com/s/1apl5kspxGvjg4y6hLjSktQ?pwd=4mlv 提取码：4mlv

google drive 链接： https://drive.google.com/file/d/1rFNsKgbUWKfp533Znsu0Jwz3XhQSxksM/view?usp=sharing

b.MNIST数据集下载

百度云链接： 链接: https://pan.baidu.com/s/1MYMs_axknMm2g5Ou-cWmgQ 提取码: 8ce2

预测步骤

1. 下载好预训练的模型或按照训练步骤训练好模型；
2. 在prediction.py文件里面，在如下部分修改PAHT使其对应训练好的模型路径；

PATH = './logs/resnet50-mnist.pth'

3. 运行prediction.py，输入每次预测的图片个数。

训练步骤

1. 本文使用MNIST数据集进行训练，调用pytorch接口可以直接进行下载（代码已写好）；
2. 如果使用pytorch接口下载速度慢，可使用百度云进行下载。将下载后的文件放入data文件夹中即可；
3. 运行train.py即可开始训练。

Reference

https://github.com/bubbliiiing/faster-rcnn-pytorch.git