Pytorch实现VGG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ResNet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DenseNet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MobileNet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Vision Transformer模型在CIFAR10数据集上的测试。压缩包，包含了完整的训练、测试输出数据。

cifar10Dataset-master，数据制作教程，可使用与深度学习

压缩包中包含基于keras的cifar10分类的所有程序：图像预处理，网络搭建，网络训练，网络验证

主要是对cifar10数据集的一个图片的读取操作，将cifar10数据集的bin格式转换为图片格式，注意需要自行下载数据，建立test,train空文档

cifar10数据集，python数据集原格式+jpg格式，图片格式为代码生成的jpg格式的cifar10数据集，分别存放在train,test文件夹，代码标签格式为0_0,0_1,...解压后可直接导入data_batch使用，进行cifar10训练

以CIFAR10数据为例的分类器 实验课作业，由于是很经典的分类任务，所以整理了一下记录下来，实际上TensorFlow源码中就有很好的CIFAR10示例（包含单机和多样化版本），不过既然要交作业，自己的在基础CNN分类的版本外，添加了使用ResNet进行分类的实验，收敛速度远快于基础CNN。 一，文件介绍 公用脚本 ops.py网络层封装实现，已被Advanced_CNN.py和ResNet.py调用cifar10_input.py ：数据读入相关函数脚本，包含对训练数据和测试数据的不同预先路径设置eval_CNN.py ：测试用eval_CNN.py ，读取./images目录下的图片文件，并输出对应的预测结果 基础CNN分类器相关脚本 Advanced_CNN.py ：使用CNN的分类器，脚本本身包含了网络构建和训练相关的摘要，可以直接运行训练数据 ResNet相关脚本 ResNet