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

名字：cifar-10-python.tar.gz 有两个版本 一个cifar-10-python.tar.gz 另一个cifar-10-binary.tar.gz

tensorflow卷积神经网络CNN实现cifar10图像分类源码+数据集+注释

ResNet 训练CIFAR10数据集，并做图片分类

LeNet web 做CIFAR10 的图像分类

CIFAR10数据集

kaggle 官方的数据，数据简介： CIFAR-10数据由10类60,000张32x32彩色图像组成，每类6000张图像。官方数据中有50,000张训练图像和10,000张测试图像。我们保留了原始数据集的训练/测试拆分。提供的文件是： train.7z-包含png格式的测试图像的文件夹 test.7z-包含png格式的测试图像的文件夹 trainLabels.csv-培训标签 为了阻止某些形式的作弊行为（例如手签），我们在测试集中添加了290,000张垃圾图像。这些图像在评分中被忽略。我们还对10,000张官方测试图像进​​行了细微的修改，以防止通过文件哈希查找它们。这些修改不应明显影响评分。您应该预测所有300,000张图像的标签。 数据集中的标签类为： 飞机 汽车 鸟 猫 鹿 狗 青蛙 马 船 卡车 这些类是完全互斥的。汽车和卡车之间没有重叠。“汽车”包括轿车，SUV和类似的东西。“卡车”仅包括大型卡车。都不包括皮卡车。

里面有百度云下载链接，永久有效，该数据集共有60000张彩色图像，这些图像是32*32，分为10个类，每类6000张图。这里面有50000张用于训练，构成了5个训练批，每一批10000张图；另外10000用于测试，单独构成一批。

作业实现cnn并用在cifar10上，卷积，padding等部分不需torch实现