GAN-VAE 分别为CIFAR-10和MNIST任务实施GAN和VAE

里面包含TensorFlow和sklearn基于CIFAR-10数据集的前馈神经网络实现，以及各自的结果图片。

CIFAR-10数据集是深度学习中的一个通用的用于图像识别的基础数据集，官网下载太慢了，可以用这个学习交流。

Transfer_Learning_ResNet50 在此存储库中，我们将执行转移学习，以在Keras中的ResNet50模型上训练CIFAR-10数据集。

PyTorch图像分类 以下论文是使用PyTorch实现的。 ResNet（ ） ResNet- （ ） 警告（ ） DenseNet（ ， ） 金字塔网（ ） ResNeXt（ ） 摇一摇（ ） LARS（ ， ） 抠图（ ） 随机擦除（ ） SENet（ ） 混合（ ） 双切口（ 1802.07426 ） RICAP （ 1811.09030 ） CutMix（ 1905.04899 ） 要求 Ubuntu（仅在Ubuntu上进行过测试，因此可能无法在Windows上运行。） Python> = 3.7 PyTorch> = 1.4.0 火炬视觉 NVIDIA Apex pip install -r requirements.txt 用法 python train.py --config configs/cifar/

CIFAR_10-with-pytorch 一个Pytorch练习，实现CIFAR-10数据集的图像分类

PyTorch图片分类：CIFAR-10 目录 1.注意 基于PyTorch的CIFAR-10图像分类。 CNN模型是ResNet-18。 该存储库受PyTorch模板项目[1]和带有PyTorch的Train CIFAR10 [2]的启发。 但是，该存储库已与PyTorch模板项目分离，以便集中精力快速研究和开发高级功能，而无需考虑向后兼容性。 特别是，与PyTorch模板项目不同，您可以使用dataloader /轻松处理自己的数据集。 我建议您应忽略带有八字体＃的注释说明。 修改日期：2021年3月31日。 2.总结开发环境 操作系统（OS）：Ubuntu MATE 18.04.3 LTS（Bionic） 图形处理单元（GPU）：NVIDIA TITAN Xp，1ea GPU驱动程序：Nvidia-450.102.04 CUDA工具包：CUDA 10.2 cuDNN

半监督学习 楷模 梯形图网络（带有自动编码器） 临时集合（与CNN） 锐化的临时合奏（带有CNN）（基于临时合奏） 卑鄙的老师（与CNN） MixMatch（带有CNN） 结果 在results.xlsx查看results.xlsx

Tensorflow 2.0卷积神经网络cifar-10数据集图像分类1、cifar 10 数据集简介2、数据导入3、CNN模型搭建4、模型编译训练5、模型评估及预测6、拓展学习之独立热编码实现 1、cifar 10 数据集简介    cifar 10相比于MNIST数据集而言更为复杂，其拥有10个种类**（猫、飞机、汽车、鸟、鹿、狗、青蛙、马、船、卡车）**，这十大类共同组成了50000的训练集，10000的测试集，每一张图片都是32*32的3通道图片（彩色图片），在神经网络中，通常表示成如下形式：

步骤如下： 1.使用torchvision加载并预处理CIFAR-10数据集、 2.定义网络 3.定义损失函数和优化器 4.训练网络并更新网络参数 5.测试网络 运行环境： windows+python3.6.3+pycharm+pytorch0.3.0 import torchvision as tv import torchvision.transforms as transforms import torch as t from torchvision.transforms import ToPILImage show=ToPILImage() #把Tensor转成Image，