一. 简介
- 这是一个能对衣服所属的类别进行分类的项目，例如衬衫、T恤等等类型，数据集可以在kaggle上面下载。
- 数据集非常大，如果没有合适的GPU的话，训练会花费大量的时间，这是没办法的事情，但kaggle可以提供9h/次的训练时间。
二. 网络、损失函数、优化函数的选择
- 我这里使用的是三层卷积层、三层池化层和三层全连接层的AlexNet网络
- 损失函数我这里是使用的交叉熵损失函数，在pytorch中需要注意的是，它参数的类型是需要long类型的，而且标签是不能以one-hot编码的，这是一个坑吧(至少对于我说)。
- 优化函数可以选择SGD和Adam，这两者的优化效率是有区别的，但在我看来区别不是很大，我这里是使用的Adam函数。
三. 小结
- 与前面的二类和MNIST分类问题对比起来，这种多类别的训练，需要训练更多的epoch，以及更加庞大的数据集，会花费更多的时间，需要耐心等待。
- 在训练的过程中，它的准确率不像前面两个项目训练的时候一样，准确率在每一步基本上都会提升，但这次它有时在几个epoches中准确率并不会发生明显的变化。
- 与前面的项目中，由于数据集的不同，我在数据处理方面花费的时间比较多，一个比较好的数据集，会给我们的训练带来较大的遍历优势。
- 在训练好模型之后，由于我没有合适的GPU，调用摄像头进行实时监测基本上是不可能的。