Сопоставление признаков: Зиновьев Тимофей

[Zetix3]

No description provided.

[ismukhin]

Ячейка 2:

1. Размер пачки желательно должен быть кратным степени двойки из соображений, связанных с производительностью (например, на ядрах cuda лучшая производительность достигается при размерах пачки, кратных степени двойки)

for i, ax in enumerate(axes.flat):
        img = images[i][0].numpy().transpose(1, 2, 0)
        img = img * [0.247, 0.243, 0.261] + [0.491, 0.482, 0.446]
        img = np.clip(img, 0, 1)
        ax.imshow(img)
        label = images[i][1]
        class_name = class_names[label]
        ax.set_xlabel(f'{class_name}', fontsize=8, labelpad=2)

Очень странная строчка img = img * [0.247, 0.243, 0.261] + [0.491, 0.482, 0.446], что это?

3. Впервые вижу такие значения средних и стандартных отклонений torchvision.transforms.Normalize((0.491, 0.482, 0.446), (0.247, 0.243, 0.261)), откуда они?

[ismukhin]

Все print заменить на logging

[ismukhin]

Ощущение, что вы переобучили модель примерно после 15 эпохи, итоговые значения точности по тестовой и тренировочной выборок отличаются на 10%.

[ismukhin]

Еще по поводу mean и std: они у вас в диапазоне от 0 до 1, при этом вы не делаете нормировку изображения, соответственно, это получается не совсем корректно. Либо умножаете значения mean и std на 255, либо нормируете всё изображение, после чего применяете необходимые трансформации

[Zetix3]

@ismukhin Сделал 3-ю лабу

[Zetix3]

@ismukhin поправил 2-ю лабу (CNN)