一，resnet-18 + se-net（数据集cifar-10）
resnet-18的网络结构：
如下图，在每个Residual block中，引入SE-net ：
数据集：cifar-10，
学习率0.1
跑了45个epochs之后，cifar-10测试集的精度对比：
（resnet-18）：
（resnet-18 + se-net）：
从图上看来，resnet-18和resnet-18 + se-net 貌似在精度上相差不大
但resnet-18+se-net却比resnet-18更快地到达一个比较高的精度(如70%)
而从具体的训练集精度和损失度来看：
一般而言，resnet-18 + se-net 的损失度是比resnet-18稍微要小的。
所以总体而言，se-net对Loss的减少是有作用的。
学习率0.01，epochs 135
resnet-18：
resnet-18 + se-net：
从数据来看，两边都可以轻易地上到90~91%的准确率，Loss和准确率相差无几。
测试代码：
https://github.com/zhujunwen/resnet-18-se-net-/tree/master