LAB-practice-projects

including cifar10，ResNet，IMDB，LoRA

Practice1

构建深度为7层的CNN模型在CIFAR10数据集上训练，模型包括四层卷积层和三层全连接层。不同超参数设置下训练效果如下表所示。

epoch	optimizer	learning rate	batch size	accuracy
50	Adam	0.001	128	72%
50	Adam	0.01	128	57%
100	Adam	0.0001	128	69%
100	Adam	0.001	64	71%
100	Adam	0.001	256	71%
100	Adam	0.001	512	70%
100	SGD	0.001	128	68%

Practice2

复现 ResNet-18 模型，分别在移除与保留残差连接的模型上使用CIFAR10数据集训练该模型.训练效果如下表所示。

残差连接	epoch	optimizer	learning rate	batch size	accuracy
移除	10	Adam	0.001	128	72%
保留	10	Adam	0.001	128	73%

模型在各个类别的准确率如下。 total : 73 % plane : 82 % car : 78 % bird : 69 % cat : 57 % deer : 56 % dog : 54 % frog : 85 % horse : 75 % ship : 82 % truck : 78 %

Practice3

LSTM模型经过10轮训练后在测试集上准确率为82%，在pos与neg两个类别上的准确率分别为79%与85%,训练曲线如下。

GRU 模型经过10轮训练后在测试集上准确率为83.5%，在pos与neg两个类别上的准确率分别为92%与75%,训练曲线如下。

Practice4