一、簡介：

       基于殘差連接的圖片分類網絡，本網絡使用ResNet18作為基礎模塊，根據cifa10的特點進行改進網絡，使用交叉熵損失函數和SGD優化器。本網絡在cifa10數據集上不使用預訓練參數，經過數據增強，訓練30輪達到了85%的分類準確率。

二、圖片分類網絡

1.記載訓練數據（torch自帶的cifa10數據集）

2.數據增強

數據增強防止過擬合，將圖像數據進行標準化、縮放

3.模型構建

改模型：原始的resnet18首層使用的7x7的卷積核，CIFAR10圖片太小不適合，要改成3x3的，步長和padding都要一并改成1。因為圖太小，最大池化層也同樣沒用，刪掉。最后一個全連接層輸出改成10。
先定義一個殘差類（繼承NN.module,后面重復使用殘差）：

分類模型構建：