在之前的残差模块中bn的使用在激活函数之后，修改后在激活之前，并且在使用残差模块时一般在其之前会有一个卷积（池化可以有也可没有），在之后会有一个平均池化，这次的测试进行了修改，并且有一定效果

深度学习cifar_10代码带数据集,框架代码有LeNet框架，Vgg框架，inception_net框架，resnet框架，代码已调通，修改路径即可，随下随用，随下随用，随下随用!!!

cifar2png 将CIFAR-10或CIFAR-100数据集转换为PNG图像。 安装 $ pip install cifar2png 用法 $ cifar2png [--name-with-batch-index] dataset ：指定cifar10或cifar100或cifar100superclass output_dir ：保存PNG转换的数据集的路径（将自动创建目录）。 --name-with-batch-index ：（可选）基于批处理名称和cifar10 / cifar100数据集的索引来命名图像文件。 运行此工具时，会从自动将cifar-10-python.tar.gz或cifar-100-python.tar.gz到当前目录。 例子 CIFAR-10 $ cifar2png cifar10 path/to/ci

cifar10数据集-python版本,数据集中包含有10类图片,以供1-10类分类算法使用，官网下载比较慢，所以分享出来供大家使用。

1.mnist数据集：整个数据集由来自 250 个不同人手写的数字构成，其中 50%是高中学生, 50% 来自人口普查局的工作人员。训练集：60000，测试集：10000 2.imdb数据集：这数据集包含了50000条偏向明显的评论，其中25000条作为训练集，25000作为测试集。label为pos(positive)和neg(negative)。 3.boston_housing数据集：数据来自1970年代，波斯顿周边地区的房价，是用于机器学习的经典数据集。该数据集很小，共计506条数据，分为404个训练样本和102个测试样本。 4.cifar-10数据集：CIFAR-10数据集由10个类的60000个32x32彩色图像组成，每个类有6000个图像。有50000个训练图像和10000个测试图像。 数据集分为五个训练批次和一个测试批次，每个批次有10000个图像。测试批次包含来自每个类别的恰好1000个随机选择的图像。训练批次以随机顺序包含剩余图像，但一些训练批次可能包含来自一个类别的图像比另一个更多。总体来说，五个训练集之和包含来自每个类的正好5000张图像。

CIFAR与VGG实战.pdf

小型深度学习网络，用于Cifar10的图像分类

在cifar数据集上做图像分类的训练，并以此演示怎样进行模型剪枝，pytorch版本必须大于1.4.0

cifar-10-batches-py.tar.gz 国外下载速度比较慢,共享一下. 亲测可用!

cifar-10数据集 用于图片分类 方便获取数据集