cifar10数据集，python数据集原格式+jpg格式，图片格式为代码生成的jpg格式的cifar10数据集，分别存放在train,test文件夹，代码标签格式为0_0,0_1,...解压后可直接导入data_batch使用，进行cifar10训练

以CIFAR10数据为例的分类器 实验课作业，由于是很经典的分类任务，所以整理了一下记录下来，实际上TensorFlow源码中就有很好的CIFAR10示例（包含单机和多样化版本），不过既然要交作业，自己的在基础CNN分类的版本外，添加了使用ResNet进行分类的实验，收敛速度远快于基础CNN。 一，文件介绍 公用脚本 ops.py网络层封装实现，已被Advanced_CNN.py和ResNet.py调用cifar10_input.py ：数据读入相关函数脚本，包含对训练数据和测试数据的不同预先路径设置eval_CNN.py ：测试用eval_CNN.py ，读取./images目录下的图片文件，并输出对应的预测结果 基础CNN分类器相关脚本 Advanced_CNN.py ：使用CNN的分类器，脚本本身包含了网络构建和训练相关的摘要，可以直接运行训练数据 ResNet相关脚本 ResNet

SENet-Tensorflow 使用Cifar10的简单Tensorflow实现 我实现了以下SENet 如果您想查看原始作者的代码，请参考此 要求 Tensorflow 1.x Python 3.x tflearn（如果您易于使用全局平均池，则应安装tflearn ） 问题 图片尺寸 在纸上，尝试了ImageNet 但是，由于Inception网络中的图像大小问题，因此我对Cifar10使用零填充 input_x = tf . pad ( input_x , [[ 0 , 0 ], [ 32 , 32 ], [ 32 , 32 ], [ 0 , 0 ]]) # size 32x32

WRN的PyTorch实施 用法 $ python main.py --depth 28 --widening_factor 10 --outdir results CIFAR-10的结果 模型 测试错误（3次运行的中位数） 测试错误（纸上） 训练时间 WRN-28-10 4.03 4.00（5次中位数） 16h10m 注意此模型使用批处理大小64（纸上为128）进行训练。 参考 Sergey Zagoruyko和Nikos Komodakis。 广泛的残留网络。 在Richard C. Wilson，Edwin R. Hancock和William AP Smith的著作中，英国机器视觉会议（BMVC）会议录，第87.1-87.12页。 BMVA出版社，2016年9月 ，

官方网站下载太慢

matlab2017a代码标题：在CIFAR 10上使用CNN的目标检测和图像分类 以下过程说明了如何运行给定的代码：####################################### ################################# 先决条件： 安装了Anaconda软件的系统链接： 要打开您的工作区，请键入以下内容，然后导航到保存代码的文件夹。 jupyter笔记本 已安装Matlab 2017a版本的系统。 ################################################ ####################### 代码结构： AlexNet/ -- data/results/ -- stats_alexnet_testing.mat -- stats_alexnet_validation.mat -- Logs/out_train_alexnet_cifar10_875643.cph-m1.uncc.edu -- AlexNet_Tester.m -- AlexNet_Trainer.m --

cifar10数据集

CIFAR-10数据集是深度学习中的一个通用的用于图像识别的基础数据集，官网下载太慢了，可以用这个学习交流。

在cpu上用resnet训练cifar10数据集，利用tensorflow平台。

卷积神经网络CNN识别图像集Cifar10，使用Jupyter Notebook 编写的 Python代码，含建模及测试，代码注释清晰，十分适合新手