# exp2

**Repository Path**: sunNAU/exp2

## Basic Information

- **Project Name**: exp2
- **Description**: 大数据理论与技术基础-实验课2（CNN）
- **Primary Language**: Python
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2022-04-23
- **Last Updated**: 2022-07-05

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# exp2

## 介绍
大数据理论与技术基础-实验课2（CNN）


## 实验目的

1.  掌握pytorch编程环境配置方法，能够根据需要使用conda管理虚拟环境；

2.  掌握卷积神经网络构建方法，能够根据需要实现网络搭建、参数设置、结果输出、模型保存与读取等功能。


## 实验内容

1.  配置pytorch编程环境（不限操作系统）；

- 使用3.8版本python建立虚拟环境exp2；

- 在环境中安装pytorch和其他依赖包。


2.  在环境exp2下编程实现卷积神经网络；

- 使用MNIST数据集，跑通BasalModel的训练与测试；

- 根据Inception、ResNet、DenseNet原理（三选一），设计一种简化网络，完成网络训练与测试；

3.  基于CNN提取MNIST图片特征，优化k-means算法，将准确率提升到65%以上（选做，难度*）。

4.  任意方法，将MNIST准确率提升到99.5%以上（选做，难度**）。


## 实验要求

1.  实验内容①②中需要在报告中体现训练集和验证集的精度与loss变化曲线、测试集结果、混淆矩阵、部分负样本图片、每层网络输出结构的size与感受野（不考虑边界像素）；

2. 提交文件中需要包含测试时使用的模型权重，输出测试集结果。

3. 报告中需要体现对简化模型的调试过程，输出不同条件的部分结果，不少于两类条件，例如层数、loss、lr、有无BN、dropout等。

## 结果提交

1.  提交实验报告（统一命名为：学号_姓名.docx）

2.  提交源代码（删掉数据集文件）；

3.  代码文件夹命名为学号，且与实验报告位于同一级。