用自己的数据，制作python版本的cifar10数据集。可以任意别类任意数量，根据自己爬取的数据修改代码参数即可。

基于TensorFlow2利用ResNet18+SENet 实现cifar10分类 training准确率95.66%,test准确率90.77%

图像识别训练用图片 cifar10 Matlab版 _3 由于上传上限60MB，分4个文件上传

数据集cifar10.zip

包含cifar的训练生成模型的python代码，包含cifar10_ResNet20v1_model.h5和inception_v3.ckpt的训练好的模型，以及调用模型进行任一图片加扰动处理的代码和图片像素恢复的python3代码。

用于计算机视觉中图像分类等任务，下载之后可本地加载数据集，不用运行时联网下载，减少麻烦

环境： tensorflow 2.1 最好用GPU 模型： Resnet：把前一层的数据直接加到下一层里。减少数据在传播过程中过多的丢失。 SENet： 学习每一层的通道之间的关系 Inception: 每一层都用不同的核（1×1，3×3，5×5）来学习.防止因为过小的核或者过大的核而学不到图片的特征。 用Resnet ，SENet， Inceptiont网络训练Cifar10 或者Cifar 100. 训练数据：Cifar10 或者 Cifar 100 训练集上准确率：97.11%左右 验证集上准确率：90.22%左右 测试集上准确率：88.6% 训练时间在GPU上：一小时多 权重大小：21

Cifar10资料打包 有两种格式 一种是按标签类型分文件夹,文件夹数字编号图片 一种是标签_编号.jpg这样命名 分为train和test两个文件

cifar10分类.py

CIFAR10数据集包含60,000张32x32的彩色图片，10个类别，每个类包含6,000张。其中50,000张图片作为训练集，10000张作为测试集。图11从每个类别中随机抽取了10张图片，展示了所有的类别。