Upload New File

5-深度学习/5.6-作业/readme.md

+# 基于SimpleCNN改进的BetterCNN 
+# 基于SimpleCNN改进的BetterCNN 
+
+# 仅更改了model.py、train.py、train_new.py(若需要推理，predict里面的model也需更换)
+
+## 1. 通道数增加
+
+* **SimpleCNN**：通道数依次为 16 → 32 → 64
+* **BetterCNN**：通道数加倍为 32 → 64 → 128
+
+> 增加通道数能够提取更丰富的特征，有助于提升模型表达能力。
+
+## 2. 引入 Batch Normalization
+
+* **SimpleCNN**：无 BatchNorm
+* **BetterCNN**：每个卷积层后都加了 `nn.BatchNorm2d`
+
+> BatchNorm 有助于稳定训练，加快收敛，减轻梯度消失和过拟合。
+
+## 3. 池化后的尺寸处理改进
+
+* **SimpleCNN**：使用最大池化后，特征图尺寸从 224 → 112 → 56 → 28，最后全连接层接收展平的高维特征（64×28×28=50176）
+* **BetterCNN**：在卷积模块后加入 `AdaptiveAvgPool2d((1,1))`，自动将特征图缩小为 1×1，展平后维度为 128
+
+> 这样显著减少全连接层参数量，降低过拟合风险，提升训练效率。
+
+## 4. 分类器结构优化
+
+* **SimpleCNN**：全连接层直接处理展平后的高维特征，结构较简单，隐藏层维度128
+* **BetterCNN**：分类器先通过自适应池化减少特征维度，再经过两层全连接层（128→64→2），中间加入 ReLU 和 Dropout
+
+> 增加了非线性和正则化，提升模型的泛化能力。
+
+---
+
+# 总结
+
+| 特性        | SimpleCNN        | BetterCNN                 | 改进效果            |
+| --------- | ---------------- | ------------------------- | --------------- |
+| 卷积通道数     | 16 → 32 → 64     | 32 → 64 → 128             | 增强特征表达能力        |
+| BatchNorm | 无                | 有                         | 训练更稳定，收敛更快      |
+| 池化方式      | MaxPool + 固定尺寸展平 | MaxPool + AdaptiveAvgPool | 减少参数量，支持多尺寸输入   |
+| 分类器       | 直接全连接128 → 2     | 全连接128 → 64 → 2 + Dropout | 更强非线性和正则化，防止过拟合 |
+| Dropout   | 有（0.5）           | 有（0.5）                    | 防止过拟合           |
+| 激活函数      | ReLU             | ReLU                      | 一致              |
+
+# 将SimpleCNN基于描述改为BetterCNN，训练检查结果是否更好(改进后不一定会更好，需要多次尝试)，epoch可以拉高，例如训练60-100轮
+# 注：在AI科研阶段图像分类(下)有更多基于CNN实现的算法实战
+