ImageNet 网站http://www.image-net.org/download-images已授权我下载图像数据。并且页面显示：
您已被授权通过我们的网站访问整个 ImageNet 数据库。这样做即表示您同意访问条款。
下载为一个 tar 文件
目前无法获得完整的 ImageNet 数据。ILSVRC 的数据可用。
ImageNet 2011 年秋季发布MD5：...
来自 Deng 等人的 ImageNet10K。ECCV2010
但两个链接都显示“ OOPS该网址无效。” 当打开时。（这绝对不是由于我的网络或浏览器的问题。我可以通过ImageNet网页风格的一致性来判断这一点。我猜这些链接太旧了，移到了其他网址，但他们的网站没有立即更新）
我在这里有两个问题。
(1) 在哪里以及如何真正下载 ImageNet 数据（及其标签，用于分类任务）？
(2) 我想要数据来验证我论文中的方法。即使下载了数据集，恐怕也太大了。我是否必须在 ImageNet 上进行验证（因为它已在许多论文中被采用......）？Tiny ImageNet 数据页面在他们的网站上似乎没有损坏。但它的数据集要小得多。
我正在 CIFAR100 数据集上训练 resnet18。在大约 50 次迭代之后，验证准确度收敛在大约 34%。而训练准确率几乎达到了100%。
我怀疑它有点过拟合，所以我应用了像RandomHorizontalFlipand这样的数据增强RandomRotation，这使得验证收敛在大约 40%。
我还尝试了衰减学习率[0.1, 0.03, 0.01, 0.003, 0.001]，每 50 次迭代后衰减。衰减学习率似乎并没有提高性能。
听说 CIFAR100 上的 Resnet 可以达到 70%~80% 的准确率。我还能应用什么技巧？或者我的实现有什么问题吗？同样的代码在 CIFAR10 上可以达到 80% 左右的准确率。
我的整个培训和评估代码如下：
import torch
from torch import nn
from torch import optim
from torch.utils.data import DataLoader
from torchvision.models import resnet18
from torchvision.transforms import Compose, ToTensor, RandomHorizontalFlip, RandomRotation, Normalize
from torchvision.datasets import CIFAR10, CIFAR100
import os
from datetime import datetime
import matplotlib.pyplot as plt
def draw_loss_curve(histories, legends, save_dir):
os.makedirs(save_dir, …