寫在前面：
首先感謝兄弟們的關注和訂閱，讓我有創作的動力，在創作過程我會盡最大能力，保證作品的質量，如果有問題，可以私信我，讓我們攜手共進，共創輝煌。（專欄訂閱用戶訂閱專欄后免費提供數據集和源碼一份，超級VIP用戶不在服務范圍之內，不想訂閱專欄的兄弟們可以私信我詳聊，最好還是訂閱，將知識裝進自己的腦袋里）

本篇博文，我們將使用PyTorch深度學習框架搭建ResNet實現垃圾分類，附完整的項目代碼和數據集，可以說是全網最詳細的手把手教程，初學者可以很好的入門，論文/設計可參考借鑒，其他研究者可以加深ResNet的理解。

先看本項目訓練的分類模型的識別效果：

ResNet（Residual Neural Network）由微軟研究院的Kaiming He等四名華人提出，通過使用ResNet Unit成功訓練出了152層的神經網絡，并在ILSVRC2015比賽中取得冠軍，在top5上的錯誤率為3.57%，同時參數量比VGGNet低，效果非常突出。ResNet的結構可以極快的加速神經網絡的訓練，模型的準確率也有比較大的提升。同時ResNet的推廣性非常好，甚至可以直接用到InceptionNet網絡中。

本文基于PyTorch深度學習框架搭建ResNet，并用于鋼軌缺陷識別，是一個很有意義的教程，希望大家可以學會訓練圖像分類模型的流程以及套路，更深層次的了解ResNet網絡結構。