接下来我会分别利用深度学习的方法,用Pytorch实现我们的CIFAR10的图像分类
大概预计的模型有LeNet,AlexNet,VGG,GoogLeNet,ResNet,DenseNet等,除此之外也会陆续补充
希望这能够帮助初学机器学习的同学一个入门Pytorch的项目和在这之中更加了解Pytorch和各个图像分类的模型。
除此之外,所有的模型权重都在release之中,可以选择相对应的权重文件进行下载模型权重
数据集也可以从release中获取
对于无法上github的同学,我们还可以通过Gitee来下载我们的代码和结果
下载CIFAR10_code
里所有文件,直接运行ipynb即可,由于我是利用一个工具函数进行训练的,所以切记utils.py是必不可少的。
运行ipynb文件即可,对于网络的py文件会持续更新,之后会利用一个函数来选取对应的网络进行训练得到结果。
我的代码资源都在我的github和gitee上,大家有兴趣可以自提,CIFAR10可以利用代码下载,这里就不给出来了,当然也可以去官网。
路径2:百度网盘 链接:https://pan.baidu.com/s/1uA5YU06FEW7pW8g9KaHaaw 提取码:5605
除此之外,我还为图像分类这个专栏录了一下我的视频讲解,感兴趣的小伙伴可以来我的B站看视频进行学习,啃代码的时候,可能听一下也会有更多的感触哦 https://space.bilibili.com/241286257/channel/seriesdetail?sid=2075039
参考
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。