Pytorch CIFAR10 图像分类篇 汇总

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，MobileNet，Vision Transformer， ResNeXt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。

• Pytorch CIFAR10图像分类 数据加载与可视化篇 B站视频
• Pytorch CIFAR10图像分类 工具函数utils篇 Online Demo
• Pytorch CIFAR10图像分类 自定义网络篇 B站视频 Colab Demo for 自定义网络
• Pytorch CIFAR10图像分类 LeNet5篇 B站视频 Colab Demo for LeNet5
• Pytorch CIFAR10图像分类 AlexNet篇 B站视频 Colab Demo for AlexNet
• Pytorch CIFAR10图像分类 VGG篇 B站视频 Colab Demo for VGG16
• Pytorch CIFAR10图像分类 GoogLeNet篇 B站视频 Colab Demo for GoogLeNet Inceptionv1
• Pytorch CIFAR10图像分类 ResNet篇 B站视频 Colab Demo for ResNet
• Pytorch CIFAR10图像分类 DenseNet篇 B站视频 Colab Demo for DenseNet
• Pytorch CIFAR10图像分类 MobieNetv1篇 Colab Demo for MobileNetv1
• Pytorch CIFAR10图像分类 ResNeXt篇 Colab Demo for ResNeXt
• Pytorch CIFAR10 图像分类 Vision Transformer篇 for ViT

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

• Transer Learning Colab Demo

  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

https://github.com/Dreaming-future/Pytorch-Image-Classification/releases/tag/v1.0.0

📅 Comming soon 更新计划

• LetNet
• AlexNet
• VGG
• ResNet
• GoogLeNet
• DenseNet
• ResNeXt Model
• MobileNetv1
• MobileNetv2
• ShuffleNetv1
• ShuffleNetv2
• ZFNet
• SeNet
• Efficiententv1
• ViT
• Swin-Transformer
• ConvNeXt

---

🧰 使用方法

下载CIFAR10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。

---

📚 参考

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

---

最后这个是我写的一个pytorch的基础的介绍，Pytorch Note 快乐星球，从0开始的完整的介绍pytorch和pytorch的简单语法，并且里面有一些项目和学习，还是很不错的哦，可以查看，除此之外，有什么想法可以加我wx: pikachu2biubiu聊哦，需要什么帮助也可以付费聊咨询。