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