1.猫狗大战VGG模型的迁移学习
2.数据处理
对python一知半解，去查找了transforms的方法，了解一下数据处理的实现过程。
4.修改最后一层，冻结前面层的参数
将上一层的4026个神经元与这一层的2个神经元进行全连接。
通过运行代码，进一步了解了迁移学习的核心，通过下载预训练好的网络来解决问题，会更加的高效、准确。
2.猫狗大战比赛在线测评
在原程序的基础上做了修改，首先下载并解压了比赛所需的数据集。
将比赛的test文件放入./dogscats/test文件之下，（先前将test文件直接放入dogscats之下导致程序识别不到'test'类，后在dogscats目录下建立test文件夹，放入其中即可解决问题）
将参数进行修改：
封装test类：
对模型进行训练，并且测试数据集：
最后导出csv文件，发现colab文件读取图像的顺序并不是正序，并不能直接使用。经过试验，发现可以有两个方法解决：
1.在导出结果的同时，也导出图片的序号
2.在读取图像之前，将图像的顺序变为正序，可以通过在文件名前填0实现。
我们小组最后采取了第一种方法：
在线测评结果：
1.未做任何修改，将最初结果上传：
2.提高了学习率，再次进行检测：
3.提高了训练次数，再次进行检测：
通过网上查找资料，发现图像白化、翻转可能会是准确率提高，目前还在进行研究（还没有学会图像白化的使用方法）。并且，我发现训练结果具有偶然性，准确率会上下浮动。