在进行柠檬分类作业时，一开始使用GoogLeNet从头进行训练，最后的预测正确率一直处于20-30%之间。开始以为是GoogLeNet没有足够强大的表达能力，无法对柠檬类别进行正确的分类。第二次使用MobileNetV2进行从头训练，结果还是一直处于20-30%之间。第三次使用ResNet50进行从头训练，结果还是一直处于20-30%之间。所以就以为是从头开始训练可能不足以训练出一个好的模型。第四次使用预训练ResNet50，但结果还是一直处于20-30%之间。这时就开始怀疑人生了，ResNet50不可能连4分类问题都搞不定啊？于是就进行数据处理的分析，发现数据增强部分使用的随机翻转概率为1，这就没有意思了，和没有进行数据增强是完全一样的。于是就把随机翻转的概率修改为0.5。但是结果还是不理想。于是又加上了随机rotate，colorjitter等数据增强的方式。于是，最终结果的正确率一下子就提高到了90%多。这才完全明白了数据增强在炼丹过程中的重要性！人工智能果然的数据说话！