利用pytorch对CIFAR数据进行图像分类(包含全套代码和10+个模型的实现)

上传者: 45508265 | 上传时间: 2022-05-06 20:05:10 | 文件大小: 24KB | 文件类型: ZIP
用Pytorch实现我们的CIFAR10的图像分类 模型有LeNet,AlexNet,VGG,GoogLeNet,ResNet,DenseNet,Efficientnet,MobileNet,MobileNetv2,ResNeXt,Pnasnet,RegNet,SeNet,ShuffleNet,ShuffleNetv2,Preact_ResNet,DPN,DLA 在models中有所有模型的实现,然后在main.py中定义了训练的代码,也可以进行预测我们的结果,除此之外,对所有的模型自己进行了测试,并且对准确率做了一个详细的比较,也可以根据此进行测试和比较训练。 在资源中有全部代码的学习资料,代码所有都可运行,可执行,可复现

文件下载

资源详情

[{"title":"( 22 个子文件 24KB ) 利用pytorch对CIFAR数据进行图像分类(包含全套代码和10+个模型的实现) ","children":[{"title":"models","children":[{"title":"resnet.py <span style='color:#111;'> 4.12KB </span>","children":null,"spread":false},{"title":"densenet.py <span style='color:#111;'> 3.46KB </span>","children":null,"spread":false},{"title":"lenet.py <span style='color:#111;'> 699B </span>","children":null,"spread":false},{"title":"pnasnet.py <span style='color:#111;'> 4.16KB </span>","children":null,"spread":false},{"title":"dla.py <span style='color:#111;'> 4.32KB </span>","children":null,"spread":false},{"title":"dpn.py <span style='color:#111;'> 3.48KB </span>","children":null,"spread":false},{"title":"googlenet.py <span style='color:#111;'> 3.15KB </span>","children":null,"spread":false},{"title":"regnet.py <span style='color:#111;'> 4.44KB </span>","children":null,"spread":false},{"title":"resnext.py <span style='color:#111;'> 3.40KB </span>","children":null,"spread":false},{"title":"senet.py <span style='color:#111;'> 3.93KB </span>","children":null,"spread":false},{"title":"dla_simple.py <span style='color:#111;'> 3.99KB </span>","children":null,"spread":false},{"title":"__init__.py <span style='color:#111;'> 427B </span>","children":null,"spread":false},{"title":"mobilenetv2.py <span style='color:#111;'> 3.02KB </span>","children":null,"spread":false},{"title":"shufflenetv2.py <span style='color:#111;'> 5.40KB </span>","children":null,"spread":false},{"title":"vgg.py <span style='color:#111;'> 1.41KB </span>","children":null,"spread":false},{"title":"preact_resnet.py <span style='color:#111;'> 3.98KB </span>","children":null,"spread":false},{"title":"efficientnet.py <span style='color:#111;'> 5.58KB </span>","children":null,"spread":false},{"title":"mobilenet.py <span style='color:#111;'> 1.98KB </span>","children":null,"spread":false},{"title":"shufflenet.py <span style='color:#111;'> 3.46KB </span>","children":null,"spread":false}],"spread":false},{"title":"main.py <span style='color:#111;'> 4.53KB </span>","children":null,"spread":false},{"title":"utils.py <span style='color:#111;'> 3.37KB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 1.35KB </span>","children":null,"spread":false}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明