# ResNet50-MNIST-pytorch

**Repository Path**: chrischow23/ResNet50-MNIST-pytorch

## Basic Information

- **Project Name**: ResNet50-MNIST-pytorch
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2021-04-26
- **Last Updated**: 2021-04-26

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# ResNet50：残差网络在Pytorch中的实现

# 性能情况
| 训练数据集 | 权值文件名称 | 测试数据集 | 精度 |
| :---: | :---: | :---: | :---: |
| MNIST-train | resnet50_mnist.pth | MNIST-test | 99.64% |

# 所需环境
torch==1.7.1
# 文件下载
## a.模型文件下载
训练所需的resnet50_mnist.pth可以在百度云或google drive下载。
**百度云链接：**
链接: [https://pan.baidu.com/s/1RQ6iUgIdxIsnTk3FncLT4Q](https://pan.baidu.com/s/1RQ6iUgIdxIsnTk3FncLT4Q)
提取码: 5unq 
**google drive 链接：**
[https://drive.google.com/file/d/1rFNsKgbUWKfp533Znsu0Jwz3XhQSxksM/view?usp=sharing](https://drive.google.com/file/d/1rFNsKgbUWKfp533Znsu0Jwz3XhQSxksM/view?usp=sharing)
## b.MNIST数据集下载
**百度云链接：**
链接: [https://pan.baidu.com/s/1MYMs_axknMm2g5Ou-cWmgQ](https://pan.baidu.com/s/1MYMs_axknMm2g5Ou-cWmgQ)
提取码: 8ce2 
# 预测步骤

1. 下载好预训练的模型或按照训练步骤训练好模型；
1. 在prediction.py文件里面，在如下部分修改PAHT使其对应训练好的模型路径；
```python
PATH = './logs/resnet50-mnist.pth'
```

3. 运行prediction.py，输入每次预测的图片个数。
# 训练步骤

1. 本文使用MNIST数据集进行训练，调用pytorch接口可以直接进行下载（代码已写好）；
1. 如果使用pytorch接口下载速度慢，可使用百度云进行下载。将下载后的文件放入data文件夹中即可；
1. 运行train.py即可开始训练。
# Reference
[https://github.com/bubbliiiing/faster-rcnn-pytorch.git](https://github.com/bubbliiiing/faster-rcnn-pytorch.git)