• 总结

1. 学习Pytorch ResNet18, ResNet50 卷积神经网路模型

基于Pytorch 使用 fruit30_split水果集 进行ResNet18 模型训练

模型训练： 基于Pytorch 的ResNet18预训练模型

2. 学习Pytorch VGG 卷积神经网路模型

基于Pytorch 使用 微软官方的数据进行 VGG 模型训练

数据集： 微软猫狗数据集

模型训练： 基于Pytorch的VGG预训练模型实现

3. 更据论文， 对EfficientNet模型进行复现

EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks

4. 看了一些有关图像分类卷积神经网络的论文，了解了目前比较前沿的图像分类模型。

基于注意力机制多特征融合的视网膜病变分级算法

基于ImprovedDR-Net算法的糖尿病视网膜病变识别与分级

基于卷积神经网络的图像分类算法综述

• 复盘

5. 基础知识略有欠缺，看算法公式推导基本看不懂，只能更据结构图进行复现

6. 一开始没有方向的去学习，效率很低，最好是找一个研究目标然后去看相关文献，最好先看看这个领域的综述论文。

7. 看论文步骤：标题->摘要->判断有没有用->然后带着问题去看,看的时候很容易睡觉，有点无聊，需要克制。

8. 看的时候要做好笔记，不然前天看的然后后天就忘记了。