NNDL-Final-PJ

本项目采用ResNet18作为baseline，对cutout，mixup，cutmix三种数据扩增进行了对比。

项目小组成员：靳建华 20210980147，张晓琛 20210980070，马嘉晨 20210980109，付涵 20210980124

环境依赖

python 3.7
numpy
torch 1.7.0
torchvision 0.8.1
pytorch 1.8.1
tensorboardX
tensorborad
tqdm
math
shutil
os
argparse

Train & test

multigpu train 分别对baseline，cutout，mixup，cutmix三种数据扩增方法进行训练和在测试集合上的测试。

CUDA_VISIBLE_DEVICES=4,5 python train.py --augment_type baseline

CUDA_VISIBLE_DEVICES=4,5 python train.py --augment_type cutout

CUDA_VISIBLE_DEVICES=4,5 python train.py --augment_type mixup

CUDA_VISIBLE_DEVICES=4,5 python train.py --augment_type cutmix

注：在训练过程中，每一个epoch都在测试集合上进行了测试。

PS：使用本地下载的cifa10/cifar100数据集，参考blog（https://blog.csdn.net/qq_44980390/article/details/119895091）