DenseNet默认就是DenseNet-BC,
相对于resnet，densenet权重参数更少，鲁棒性更强.
０、下载数据集：Cifar-10在同级文件data下
预训练权重： 'densenet121': 'https://download.pytorch.org/models/densenet121-a639ec97.pth', 'densenet169': 'https://download.pytorch.org/models/densenet169-b2777c0a.pth', 'densenet201': 'https://download.pytorch.org/models/densenet201-c1103571.pth', 'densenet161': 'https://download.pytorch.org/models/densenet161-8d451a50.pth',
下级文件data下
１、（注意文件位置/命名）数据集解压，运行src>01_parse_cifar10_to_png解析cifar10数据，得到测试集和训练集.
２、测试densenet_inference.py使用小金毛（使用预训练的DenseNet121模型进行分类测试）.
３、训练train_densenet.py
节省时间
MAX_EPOCH = 30
不到20分钟，best acc: 0.8492，论文结果到94%+
MAX_EPOCH = 300 # 参考论文中 4.2 Training
3h，best acc到93.62%
⭐️【常踩坑】现在预训练模型中出现字典不匹配情况，使用正则匹配解决（例如现在多了个.）
