本次学习心得：
首先是学到了在线日志-wandb，对查看自己模型的训练进度有很不错的作用。其次是在模型训练上的细节，如不能将测试集进行训练，尝试不同的迁移模型配置，对训练模型进行微调，找到最为合适的训练模型。
1.准备图像分类数据集
该过程是获取已经分类好的数据集，可以使用子豪同学开源的数据集，或是使用之前我们自己训练好的可食用野生菌数据集。
2.迁移学习微调训练
1）将图像进行预处理，将训练集的图片进行翻转，镜像等操作，将训练集进行丰富，减少因类似情况而造成的准确率降低。
2）载入图像分类数据集，将测试集和训练集初始化。
3）定义数据加载器DataLoader，引入Batch，每一个图片为一个batch，之后对于模型的训练或是模型的测试，都是将一个一个的batch“喂“给模型
4）选择迁移学习的训练方式
选择一：只微调训练模型最后一层（全连接分类层）
选择二：微调训练所有层
选择三：随机初始化模型全部权重，从头训练所有层
注：这里Dataloader会出现多进程出错，在调用数据之前加上
if __name__ == '__main__':
