包含pytorch使用的mnist数据集以及mnist原始数据集。用来实验

CondenseNet-PyTorch 的PyTorch实施 目录： 项目结构： ├── agents | └── condensenet.py # the main training agent ├── graphs | └── models | | └── condensenet.py | | └── denseblock.py | | └── layers.py | └── losses | | └── loss.py # contains cross entropy loss definition ├── datasets # contains all dataloaders for the project | └── cifar10.py # dataloader for cifar10 dataset ├── data | └── cifar10

VGG16训练CIFAR10代码，通过学习小土堆的视频，对VGG16网络进行修改，训练CIFAR10

PyTorch随机擦除的实现 用法 $ python main.py --block_type basic --depth 110 --use_random_erase --random_erase_prob 0.5 --random_erase_area_ratio_range '[0.02, 0.4]' --random_erase_min_aspect_ratio 0.3 --random_erase_max_attempt 20 --outdir results CIFAR-10的结果 模型 测试错误（5次运行的中位数） 训练时间 没有随机擦除的ResNet-preact-56 5.85 98分钟 ResNet-preact-56 w /随机擦除 5.22 98分钟 没有随机擦除 $ python -u main.py --depth 56 --block_type b

Pytorch实现SENet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GoogLeNet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AlexNet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ShuffleNet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ResNeXt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。