# Pytorch_Cifar10_Classification

**Repository Path**: delingwei/Pytorch_Cifar10_Classification

## Basic Information

- **Project Name**: Pytorch_Cifar10_Classification
- **Description**: 进行基于pytorch的cifar10数据集图像分类demo
- **Primary Language**: Python
- **License**: MulanPSL-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 4
- **Forks**: 2
- **Created**: 2022-03-31
- **Last Updated**: 2025-05-14

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# CIFAR-10 image classification

此项目为基于resnet101的cifar10数据集图像分类demo

## 1、数据集CIFAR-10

该数据集共有10类，每类6000张图片，共60000张图片，图片大小为32*32。其中有50000张用于训练，构成了5个训练批，每一批10000张图；另外10000张用于测试，单独构成一批。测试批的数据里，取自10类中的每一类，每一类随机取1000张。

![cifar10.png](./asset/cifar10.png)

## 2、项目文件目录

cifar10_classification

  ├── asset

  │ └── cifar10.png

  ├── data

  │ ├── cifar-10-batches-py

  │ └── cifar-10-python.tar.gz

  ├── model.py

  ├── net_test.py

  ├── plot_img.py

  ├── README.md

  ├── requirements.txt

  ├── train.log

  ├── train.py

  ├── venv

  │ ├── Include

  │ ├── Lib

  │ ├── pyvenv.cfg

  │ └── Scripts

  └── weights

​    └── cifar10_net.pth



## 3、模型训练

主要训练参数如下：

--epochs	#设置模型训练总epoch数

--bs	#设置模型训练 batchsize

```python
示例训练命令：
python model_train.py --epochs=10 --bs=4
```

训练生成模型权重在 ./weights 目录下

## 4、模型测试

提供不同需求的测试功能：

```python
执行脚本
python model_test.py

不同测试接口模块说明如下：
single_test() #进行随机batch图像的测试
full_test() #进行全部测试集的分类准确度测试
test_eachclass_acc() #进行每一类分类准确度测试
```