NIN模型的模块化实现 result值用于loss计算和预测 仅供参考

使用Pytorch实现NIN 本文在网络中非官方实施 0.开发环境 Docker Image - tensorflow/tensorflow:tensorflow:2.4.0-gpu-jupyter Library - Pytorch : Stable (1.7.1) - Linux - Python - CUDA (11.0) 使用单GPU 1.实施细节 model.py：NIN模型 train.py：火车NIN utils.py：计算正确的预测 best.pt：最好的NIN权重文件而不会丢失 NIN-Cifar 10.ipynb：安装库，下载数据集，预处理，训练和结果 可视化-Feature Map.ipynb：可视化完整激活的特征图，前10％的激活 细节 辍学的NIN很难训练并且获得与论文相同的分数 遵循官方法规的详细信息：批次大小128，动量0.9，重量衰减0.00001 没

cifar10的network in network配置文件和model,提供了train_test和solver文件，以及㑅者训练好的model,方便那些无法下载的研究者！

Keras实现经典的卷积神经网络用于cifar10图像分类:NIN,VGG,ResNet,DenseNet,SeNet