Resnet 网络改进实战（在每个layer后加入CBAM模块实战）：垃圾分类

【分类介绍】 网络采用resnet家族系列，包括resnet18、34、50、101、152系列 1.训练的时候根据需要进行迁移学习或者只训练分类层；为了做对比消融试验，优化器采用了Adam和SGD，也可以自行添加；损失函数采用多类别的交叉熵、学习率优化策略采用cos余弦退火算法 2. 验证集的评估会在训练同时完成，训练脚本会对训练集和验证集同时评估，指标有loss、准确率、混淆矩阵、recall、precision、F1 score、特异度等，并返回对应的曲线图像。也可以根据个人需要绘制不同曲线，请参考训练日志json文件 3. 推理的时候将图片放在指定目录即可 4. 想要更换数据集，参考readme文件，按照要求摆放好数据即可 【改进】 代码在resnet每个layer后加入了CBAM模块，可以根据需要只在某个layer后添加，注释掉其他的即可。为了方便，想要更好别的模块，只需要将CBAM替换即可 本项目数据集为12种垃圾图像分类 更多分类、分割改进：https://blog.csdn.net/qq_44886601/category_12803200.html