ResNet18_CIFAR10-使用Pytorch和CIFAR10数据集训练ResNet18

压缩包包含 1：CIFAR10原始数据集 2：CIFAR10转化为图片后的格式（PNG），分为train和test的两个文件夹，每个文件夹下有10个类别 CIFAR10数据集介绍：CIFAR-10 是由 Hinton 的学生 Alex Krizhevsky 和 Ilya Sutskever 整理的一个用于识别普适物体的小型数据集。一共包含 10 个类别的 RGB 彩色图 片：飞机（ a叩lane ）、汽车（ automobile ）、鸟类（ bird ）、猫（ cat ）、鹿（ deer ）、狗（ dog ）、蛙类（ frog ）、马（ horse ）、船（ ship ）和卡车（ truck ）。图片的尺寸为 32×32 ，数据集中一共有 50000 张训练圄片和 10000 张测试图片

用Pytorch实现我们的CIFAR10的图像分类 模型有LeNet，AlexNet，VGG，GoogLeNet，ResNet，DenseNet 在资源中有全部代码的学习资料，并且包括所有的权重，代码所有都可运行，可执行，可复现代码的结果 可以利用所有的模型权重进行迁移学习 除此之外，还有所有迁移学习的代码，可以利用迁移学习的代码对猫狗数据集进行训练学习

图像识别训练用图片 cifar10 Matlab版 _4 由于上传上限60MB，分4个文件上传

图像识别训练用图片 cifar10 Matlab版 _1 由于上传上限60MB，分4个文件上传

cifar_image_recognition 使用带有pytorch的cifar10的图像识别 快速入门指南 在克隆的存储库中，在终端中运行以下命令： $ conda env创建-f environment.yml $ conda激活cifar_env 如果使用pycharm，请在创建的conda env中将解释器设置为python版本，例如： ... / anaconda3 / envs / sheep_env / bin / python 从environment.yml列表添加或删除依赖项时，请运行： $ conda env更新--file environment.yml 二手货源/依赖 待定 系统依赖关系： 待定 去做： 待定

kaggle-cifar10-torch7, Kaggle CIFAR10竞争代码 5th 位置 Kaggle CIFAR-10CIFAR-10 竞争代码 http://www.kaggle.com/c/cifar-10摘要描述型号具有 3 x3内核 [1 ]的非常深的卷积网络数据增强裁剪，水平反射 [2]

CIFAR10_mxnet 抽象的 kaggle CIFAR10补偿代码，由mxnet gluon实现。 我们通过合并一些想法获得了0.9688 Directroy和文件描述符 文件 描述符 日志 一些火车日志文件 楷模 一些trianed模型参数（权重） 结果 kaggle测试集上的转发结果文件 提交 最终kaggle提交结果 CIFAR10_train 主要火车和进出口代码 阴谋 列车acc和有效acc的可视化与历时的损失。 utils / netlib.py ResNet18，ResNet164_v2，densenet，焦点损失由gluon实现代码，由CIFAR10_train调用 utils / utils.py 一些工具功能 模型，重用，日志可从以下链接获取： ://pan.baidu.com/s/1pLjzQWj密钥：f6p3 方法说明 主要思想来自mxnet主题，

matlab美白代码卡格勒CIFAR-10 CIFAR-10竞争代码。 概括 描述 模型 具有3x3内核的超深度卷积网络[1] 数据扩充 裁剪，水平反射[2]和缩放。 参见lib / data_augmentation.lua 前处理 全局对比度归一化（GCN）和ZCA白化。 参见lib / preprocessing.lua 训练时间 在GTX760上20小时。 预测时间 在GTX760上为2.5小时。 结果 0.93320（单个模型）。 0.94150（平均6个型号） 神经网络配置 图层类型 参数 输入 尺寸：24x24，频道：3 卷积 内核：3x3，通道：64，填充：1 relu 卷积 内核：3x3，通道：64，填充：1 relu 最大池 内核：2x2，步幅：2 辍学 率：0.25 卷积 内核：3x3，通道：128，填充：1 relu 卷积 内核：3x3，通道：128，填充：1 relu 最大池 内核：2x2，步幅：2 辍学 率：0.25 卷积 内核：3x3，通道：256，填充：1 relu 卷积 内核：3x3，通道：256，填充：1 relu 卷积 内核：3x3，通道：256，

cifar10文件夹：包括了cifar10原数据库 kaggle文件夹：包括了在kaggle上训练好的模型，以及日志文件 model文件夹：包括了本地cpu训练好的模型 src文件夹：kaggle_tensorboard.py: 用于使用tensorboard展示kaggle上训练的日志 model.py: 神经网络模型 res_model：残差网络模型 有问题就发邮件。GuanlinLi_BIT@163.com