本文通过对植物幼苗分类的实际例子来感受一下MicroNet模型的效果。模型来自官方，我自己写了train和test部分。从得分情况来看，这个模型非常的优秀，我选择用的MicroNet-M3模型，大小仅有6M，但是ACC在95%左右，成绩非常惊艳！！！ 通过这篇文章能让你学到： 如何使用数据增强，包括transforms的增强、CutOut、MixUp、CutMix等增强手段？ 如何配置MicroNet模型实现训练？ 如何使用pytorch自带混合精度？ 如何使用梯度裁剪防止梯度爆炸？ 如何使用DP多显卡训练？ 如何绘制loss和acc曲线？ 如何生成val的测评报告？ 如何编写测试脚本测试测试集？ 如何使用余弦退火策略调整学习率？ 如何使用AverageMeter类统计ACC和loss等自定义变量？ 如何理解和统计ACC1和ACC5？ 原文链接： https://blog.csdn.net/hhhhhhhhhhwwwwwwwwww/article/details/125223458?spm=1001.2014.3001.5501

MicroNet Improving Image Recognition With Extremely Low FLOPs