以cifar100作为闭集(closed-set)数据集，使用resnet18模型进行训练，然后在常见的开集(out-of-distribution)数据集上进行OOD检测。使用MSP(MaximumSoftmaxProbability)作为OOD检测的依据。开集噪声数据集使用gaussian,rademacher,blob,svhn四种类型。其中gaussian、rademacher

主要分两步走，先训练好模型，保存模型，然后再读取模型，保存特征①训练模型，保存模型importtorchimporttorch.nnasnnimporttorch.optimasoptimimporttorchvisionimporttorchvision.transformsastransformsfromtorch.utils.data.samplerimportWeightedRandomSampler

▪Loaddatasets▪BuildNetwork▪Train▪Test这里先是进行卷积然后再进行全连接Loaddatasetsdefpreprocess(x,y):#[0~1]x=tf.cast(x,dtype=tf.float32)/255.y=tf.cast(y,dtype=tf.int32)returnx,y(x,y),(x_test,y_test)=dat

WorkingContent:1.今天还是读代码，对于代码有以下问题：（1）FCNet最后的输出层只有1个神经元，这如何做分类？——解决了，应该是因为它每个子任务都是训练两类，所以只需要一个神经元确定是哪个类别。（2）CIFAR数据集的分任务是什么情况？既使用了CIFAR10也使用了CIFAR100，并且分类的情况也有点

    1'''2参考资料：PyTorch官方文档3'''45#导入所需的包6importtorch7importwandb8importtorch.nnasnn9fromtorchvisionimporttransforms10fromtorchvision.datasetsimportCIFAR10011fromtorch

    1#导入所需的包2importtorch3#importwandb4importtorch.nnasnn5fromtorchvisionimporttransforms6fromtorch.utils.dataimportDataLoader7fromtorchvision.datasetsimportCIFAR10089#使用Compose容器组合定义图

 1#导入所需的包2importtorch3#importwandb4importtorch.nnasnn5fromtorchvisionimporttransforms6fromtorchvision.datasetsimportCIFAR1007fromtorch.utils.dataimportDataLoader89#使用Compose容器组合定义图像预处理方

 1importtorch2fromtorch.utils.dataimportDataLoader3fromtorchvisionimporttransforms4fromtorchvisionimportdatasets56#########