Pytorch实现AlexNet模型在CIFAR10数据集上的测试。ipynb文件，包含了完整的训练、测试输出数据。

这个是基于Jupyter写的CoAtNet网络在CIFAR10数据集上的分类任务，里面包括了混淆矩阵和Acc&Loss的可视化，请放心食用。

分类-cifar10-pytorch 我正在PyTorch的cifar10数据集上测试几种经典分类网络的性能！ 要求 火炬 火炬摘要 python3.x 结果 模型 我的帐户 总参数 估计总大小（MB） 可训练的参数 参数大小（MB） 保存的模型大小（MB） GPU内存使用率（MB） 92.64％ 2,296,922 36.14 2,296,922 8.76 8.96 3107 94.27％ 14,728,266 62.77 14,728,266 56.18 59.0 1229 94.70％ 11,171,146 53.38 11,171,146 42.61 44.7 1665年 95.09％ 9,128,778 99.84 9,128,778 34.82 36.7 5779 95.22％ 23,520,842 155.

keras官方数据集 python版本 cifar10，Cifar-10 由60000张32*32的 RGB 彩色图片构成，共10个分类。50000张训练，10000张测试（交叉验证）。这个数据集最大的特点在于将识别迁移到了普适物体，而且应用于多分类（姊妹数据集Cifar-100达到100类，ILSVRC比赛则是1000类）。

Pytorch实现ShuffleNet模型在CIFAR10数据集上的测试。ipynb文件，包含了完整的训练、测试输出数据。

Pytorch实现ResNeXt模型在CIFAR10数据集上的测试。ipynb文件，包含了完整的训练、测试输出数据。

这是基于 CIFAR10 数据集的 CNN 在 TensorFlow 上的实现，与 上一个 相比增加了 TensorBoard 的实现，可以在浏览器中查看可视化结果。tensorboard 目录存放着用于可视化的日志文件。

cifar10数据集，内附使用说明

在CIFAR10上训练小型ResNet，79秒内达到94％测试精度

在CIFAR-10数据集上训练的PyTorch模型 我修改了官方实施的流行CNN模型，并对CIFAR-10数据集进行了训练。 我在原始代码中更改了类的数量，过滤器大小，步幅和填充，以便它可以与CIFAR-10一起使用。 我也共享这些模型的权重，因此您只需加载权重并使用它们即可。 通过使用PyTorch-Lightning，该代码具有很高的可复制性和可读性。 支持模型的统计 不。 模型 值累积 否。参数 尺寸 1个 vgg11_bn 92.39％ 28.150百万 108兆字节 2个 vgg13_bn 94.22％ 28.334百万 109兆字节 3 vgg16_bn 94.00％ 33.647百万 129兆字节 4 vgg19_bn 93.95％ 38.959百万 149兆字节 5 网路18 93.07％ 11.174百万 43兆字节 6 资源34 9