cifar-10数据集（jpg图片，已经安装名字分好类），拿到解压马上可以使用，无需再转换成图片再分类

CIFAR-10 的图像分类工作 有些模板代码已经提供给你，但还需要实现更多的功能来完成这个项目,也提供答案

深度学习--Pytorch构建栈式自编码器实现以图搜图任务（保存了模型） 包括欠完备自编码器与两种栈式自编码器的编写，同时可以参考我的博客进行阅读，包括了不同代码实现效果

LetNet是卷积神经网络的祖师爷LeCun在1998年提出， 用于解决手写体识别的视觉任务， 我们用CIFAR-10数据集，验证LeNet模型的准确率， 希望能够帮助大家更好的理解LeNet的模型，以及网络训练的整个流程，谢谢大家指正。

文件中原始代码利用CNN对CIFAR10数据集进行分类，准确度达到0.67，优化代码通过权重正则化、数据增强，增加全连接层等方式进行优化，准确度达到0.85。

tensorflow训练cifar-10数据集的训练源码，有详细的代码解释以及实验结果图。

a_numpy_based_implement_cnn 这是我的博客的代码实现。 训练 测试 其他：卷积层可视化 依赖： Python3.6 numpy;枕头; scipy; matplotlib 简易装置： 间谍 其中训练部分由两个Python文件和一个文件夹组成： data_utils.py cnn.py ./cifar-10-batches-py$ ls batches.meta data_batch_2 data_batch_4 test_batch data_batch_1 data_batch_3 data_batch_5 [注：cifar-10-batches-py文件夹存放的是cifar—10数据集，相应的data_utils.py Python文件是data_utils.py数据集的代码。] 测试部分由两个Python文件和一个文件夹组成： data_

基于神经网络的图像分类，数据资源是基于CIFAR-10，内含训练测试数据（batch），是唐宇迪深度学习入门课程的修改代码，python3版本

PyTorch顾问实例 对CIFAR-10和MNIST的对抗攻击。 这些笔记本使用生成对抗示例，以攻击PyTorch模型。 将来可能会针对更多数据集提供更多方法。

今天小编就为大家分享一篇利用pytorch实现对CIFAR-10数据集的分类，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧