这是人工智能安全的课程作业的第一课，用cifar10为数据集训练分类
这个数据集是只有10个类别的

采用pytorch提供的预训练好的ResNet18，（ResNet101把服务器显卡都跑挂了）

如果是只有单个GPU的话，请运行main.py；

如果是多个GPU的话，请运行main1.py获取resnet18， 运行main-resnet34.py获取resnet34;

请保证虚拟环境中有最新版的python（>3.7),pytorch(2022.10)

请把文件直接clone下来，请使用：
git clone https://github.com/zhangquanwei962/AI-homework-One.git

保证文件结构如下：

AI-homework-One

data

cifar-10-python.tar.gz
cifar-10-batches-py

main1.py
main2.py
main-resnet34.py

请注意，如果data下面没有数据集的话，请把trainset = torchvision.datasets.CIFAR10(root='./data/', train=True,download=False, transform=transform_train)和testset = torchvision.datasets.CIFAR10(root='./data/', train=False, download=False, transform=transform_test)里面的download改成True

一切准备就绪，就直接在你所有的虚拟环境运行即可
python3 main1.py，等待程序结束

batch_size 代表训练测试时候的批量大小，batch_size太大的话，训练效果不明显，需要训练多轮；太小的话，训练速度很慢
epoch 代表训练轮次，过大的话会产生过拟合，太小的话训练不充分
lr 代表学习率，学习率太小的话，优化速度慢，学习速度慢，学习率过大的话，会引起损失震荡，无法达到全局最优
weigth_decy l2正则化系数，不适合太大
lr_period 学习率衰减周期，太大的话衰减效果不明显，太小学习率衰减太快，学习速度慢
lr_decay 学习率衰减系数 太大学习率太小，学习速度慢 太小学习率衰减不明显
numworks 加载线程数 太大的话会爆掉内存

如果有问题，请提issue，看到会处理