本项目采用ResNet18作为baseline，对cutout，mixup，cutmix三种数据扩增进行了对比。
项目小组成员：靳建华 20210980147，张晓琛 20210980070，马嘉晨 20210980109，付涵 20210980124
| python 3.7 |
|---|
| numpy |
| torch 1.7.0 |
| torchvision 0.8.1 |
| pytorch 1.8.1 |
| tensorboardX |
| tensorborad |
| tqdm |
| math |
| shutil |
| os |
| argparse |
multigpu train 分别对baseline，cutout，mixup，cutmix三种数据扩增方法进行训练和在测试集合上的测试。
CUDA_VISIBLE_DEVICES=4,5 python train.py --augment_type baseline
CUDA_VISIBLE_DEVICES=4,5 python train.py --augment_type cutout
CUDA_VISIBLE_DEVICES=4,5 python train.py --augment_type mixup
CUDA_VISIBLE_DEVICES=4,5 python train.py --augment_type cutmix
注：在训练过程中，每一个epoch都在测试集合上进行了测试。
PS：使用本地下载的cifa10/cifar100数据集，参考blog（https://blog.csdn.net/qq_44980390/article/details/119895091）