Pytorch实现LeNet模型在CIFAR10数据集上的测试。ipynb文件，包含了完整的训练、测试输出数据。

Pytorch实现AlexNet模型在CIFAR10数据集上的测试。ipynb文件，包含了完整的训练、测试输出数据。

这个是基于Jupyter写的CoAtNet网络在CIFAR10数据集上的分类任务，里面包括了混淆矩阵和Acc&Loss的可视化，请放心食用。

分类-cifar10-pytorch 我正在PyTorch的cifar10数据集上测试几种经典分类网络的性能！ 要求 火炬 火炬摘要 python3.x 结果 模型 我的帐户 总参数 估计总大小（MB） 可训练的参数 参数大小（MB） 保存的模型大小（MB） GPU内存使用率（MB） 92.64％ 2,296,922 36.14 2,296,922 8.76 8.96 3107 94.27％ 14,728,266 62.77 14,728,266 56.18 59.0 1229 94.70％ 11,171,146 53.38 11,171,146 42.61 44.7 1665年 95.09％ 9,128,778 99.84 9,128,778 34.82 36.7 5779 95.22％ 23,520,842 155.

keras官方数据集 python版本 cifar10，Cifar-10 由60000张32*32的 RGB 彩色图片构成，共10个分类。50000张训练，10000张测试（交叉验证）。这个数据集最大的特点在于将识别迁移到了普适物体，而且应用于多分类（姊妹数据集Cifar-100达到100类，ILSVRC比赛则是1000类）。

Pytorch实现ShuffleNet模型在CIFAR10数据集上的测试。ipynb文件，包含了完整的训练、测试输出数据。

Pytorch实现ResNeXt模型在CIFAR10数据集上的测试。ipynb文件，包含了完整的训练、测试输出数据。

这是基于 CIFAR10 数据集的 CNN 在 TensorFlow 上的实现，与 上一个 相比增加了 TensorBoard 的实现，可以在浏览器中查看可视化结果。tensorboard 目录存放着用于可视化的日志文件。

cifar10数据集，内附使用说明

在CIFAR10上训练小型ResNet，79秒内达到94％测试精度