用于CIFAR-10-图像分类的卷积神经网络
使用CNN进行CIFAR-10图像分类
CIFAR-10数据集包含来自10类的32x32彩色图像：飞机，汽车，鸟类，猫，鹿，狗，青蛙，马，船，卡车：
1.准备数据
我们需要将输入标准化，例如：$$ x_ {norm} = \ frac {x} {255}-0.5 $$
我们需要将类标签转换为一键编码的向量。 使用keras.utils.to_categorical 。
2.定义要用来训练模型的架构
3.训练模型
该模型训练了10个时期
4. ##评估模型
在测试集上评估模型。 打印混淆矩阵。 在混淆矩阵中，单元格的颜色越亮表示该单元格中的值越高。 理想情况下，矩阵的对角线应为高值，以指示模型正确预测了真实标签。
5.可视化类激活图
以下代码将打印正在考虑的图像，它是对应的激活图，以及覆盖在图像上的激活图。 这有助于我们找出有助于网络进行预测/
2021-06-05 16:20:51
5KB
1
Convolutional deep belief networks on CIFAR-10.pdf
2021-05-31 14:03:44
544KB
1
唐宇迪机器学习课程-手写神经网络分类cifar集-改为python3,里面自带cifar集
2021-05-19 22:27:27
162.62MB
1
CIFAR-10 图片格式数据集，按 10 分类文件夹储存
https://github.com/cyizhuo/CIFAR-10-dataset
2021-05-19 17:17:05
141.53MB
1
resnet152在cifar100数据集上训练的权重，从channel distillation 官方github处下载作为teacher net使用
2021-05-19 10:42:46
223.28MB
1
构建对CIFAR-100数据集中的图像进行分类的CNN
CIFAR-100 数据集与 CIFAR-10 类，但是它包含了 100 个分类，每个分类 600 张图片，其中 500 张用于训练，100 张用于测试。CIFAR-100 中的100 个分类被群组成了 20 个超类。每张图片都有一个“细粒度”的标签，即表示它属于哪个类，以及一个“粗粒度”标签，即表示它属于哪个超类。
下面是 CIFAR-100 中的各个分类:
2021-05-18 08:30:29
46KB
1