这次我们使用基于ResNet50的模型进行图片分类,这个模型是2015年由微软实验室的何恺明提出
ResNet网络提出了残差网络结构(Residual Network)来减轻退化问题，使用ResNet网络可以实现搭建较深的网络结构（突破1000层）ResNet网络层数越深，其训练误差和测试误差越小。

首先下载数据集,本次数据集一共有50000张训练图片和10000张评估图片,这里使用官方提供的`mindspore.dataset.Cifar10Dataset`接口来加载数据集，并进行相关图像增强操作。

 这里使用matplotlib库来显示图片,并用了numpy来处理数据,最后对数据集合进行可视化,最后训练完的预测准确率大概70%左右,这是5epoch的准确率
我调整了训练轮数.30轮的训练之下,准确率有提升,Accuracy提升到了0.8

# 学习 # 分类 # 数据挖掘
Logo
昇腾开源生态专区

昇腾计算产业是基于昇腾系列（HUAWEI Ascend）处理器和基础软件构建的全栈 AI计算基础设施、行业应用及服务，https://devpress.csdn.net/organization/setting/general/146749包括昇腾系列处理器、系列硬件、CANN、AI计算框架、应用使能、开发工具链、管理运维工具、行业应用及服务等全产业链

更多推荐

cover

DeepSeek 崩了 13 小时，不是故障，是 V4 在换引擎

avatar 昇腾开源生态专区

体系结构论文（107）：AscendOptimizer: Episodic Agent for Ascend NPU Operator Optimization

摘要：本文提出AscendOptimizer系统，针对华为Ascend NPU的AscendC算子优化难题，通过双阶段交替优化方法实现性能提升。系统将算子拆分为host侧tiling program和device侧kernel program：Stage I采用进化搜索优化tiling策略，利用硬件反馈探索可行解空间；Stage II通过"优化回退"机制从优质kernel反向构

avatar 昇腾开源生态专区

量化×编译×调度三维协同优化，深度拆解Meta与华为联合验证的能效跃迁路径

破解大模型推理高能耗难题，提出量化×编译×调度三维协同优化路径。面向数据中心与边缘部署场景，融合INT4量化、图编译优化与动态负载调度，实测能效提升3.2倍。系统阐述大模型工程化中的能效优化策略，Meta与华为联合验证有效，值得收藏。

avatar 昇腾开源生态专区