# 经典CNN对比

**Repository Path**: penguink3/classical-cnn-comparison

## Basic Information

- **Project Name**: 经典CNN对比
- **Description**: 用pytorch设计了LeNet5，AlexNet和ResNet18，并且进行了对比试验
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2021-12-06
- **Last Updated**: 2022-01-17

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# LeNet5，AlexNet和ResNet18对比试验
## 1. 三个网络的代码文件
- pytorch框架实现的LeNet5，AlexNet和ResNet18
    - CNN/lenet5.py：实现lenet5结构的代码文件
    - CNN/CNNRunLenet.py：使用cifar10数据集训练lenet5代码
    - CNN/AlexNet.py：实现AlexNet结构的代码文件
    - CNN/CNNRunAlexNet.py：使用cifar10数据集训练AlexNet代码
    - CNN/resnet.py：实现ResNet18结构的代码文件
    - CNN/CNNRunResNet.py：使用cifar10数据集训练ResNet18代码

## 2. 实验数据保存文件
- 运行训练代码的时候会保存一些数据记录文件，每一步和每回合是不一样的，一步是指10个batch，一回合是指跑完训练数据所有batch
    - CNN/savefile/网络名称-accAvglist.txt：每回合训练的正确率
    - CNN/savefile/网络名称-acclist.txt：每一步训练的正确率
    - CNN/savefile/网络名称-losslist.txt：每一步训练的loss
    - CNN/savefile/网络名称-timelist.txt：每一步训练的耗费时间
    - CNN/savefile/网络名称-paraslist.txt：每一步训练记录的某个三维参数数值，用于观察梯度下降过程

## 3. 实验制图代码文件
- 实验需要绘图，这里是绘图用的代码，如果要绘制其他网络数据，自己修改一下初始化类时传入的网络名子参数即可
    - draw_plot_single.py：绘制单个网络的记录数据，写好了绘制loss，准确率，时间，参数3D和2D图的代码，取消注释即可
    - draw_plot_compare.py：绘制两个网络数据对比的代码，包括loss，准确率和时间的对比
    - draw_plot_compare3.py：绘制三个网络数据对比的代码，包括loss，准确率和时间的对比
    
## 4. 实验数据图和报告
- 在“三个CNN比较”文件夹中存放了实验报告和数据图