generative_adversarial_networks_101：生成对抗网络的Keras实现。 具有MNIST和CIFAR-10数据集的GAN，DCGAN，CGAN，CCGAN，WGAN和LSGAN模型

使用 ResNet 对 Cifar10 进行学习训练，整个过程，包括数据集的处理，loss 计算，以及准确度计算，数据保存

用PyTorch训练CIFAR10 我摆弄在CIFAR10数据集。 先决条件 Python 3.6+ PyTorch 1.0+ 训练 # Start training with: python main.py # You can manually resume the training with: python main.py --resume --lr=0.01 准确性 模型 累积 92.64％ 93.02％ 93.62％ 93.75％ 94.24％ 94.29％ 94.43％ 94.73％ 94.82％ 94.89％ 95.04％ 95.11％ 95.16％ 95.47％

Pytorch CIFAR-10分类（AlexNet）

Pytorch CIFAR-10分类（LeNet5）

Pytorch CIFAR-10分类（VGG16）

在之前的残差模块中bn的使用在激活函数之后，修改后在激活之前，并且在使用残差模块时一般在其之前会有一个卷积（池化可以有也可没有），在之后会有一个平均池化，这次的测试进行了修改，并且有一定效果

深度学习cifar_10代码带数据集,框架代码有LeNet框架，Vgg框架，inception_net框架，resnet框架，代码已调通，修改路径即可，随下随用，随下随用，随下随用!!!

cifar2png 将CIFAR-10或CIFAR-100数据集转换为PNG图像。 安装 $ pip install cifar2png 用法 $ cifar2png [--name-with-batch-index] dataset ：指定cifar10或cifar100或cifar100superclass output_dir ：保存PNG转换的数据集的路径（将自动创建目录）。 --name-with-batch-index ：（可选）基于批处理名称和cifar10 / cifar100数据集的索引来命名图像文件。 运行此工具时，会从自动将cifar-10-python.tar.gz或cifar-100-python.tar.gz到当前目录。 例子 CIFAR-10 $ cifar2png cifar10 path/to/ci

cifar10数据集-python版本,数据集中包含有10类图片,以供1-10类分类算法使用，官网下载比较慢，所以分享出来供大家使用。