caffe快速上手——cifar10源代码

如何使用迁移学习的ResNet结构对CIFAR10数据集进行分类任务，并讨论了不同层数和迁移策略下的实验结果。我们使用了pytorch框架来实现模型搭建和训练，同时也提供了训练代码的Github链接。

利用CNN处理CIFAR-10的测试精度没达到0.9，所以来试试Rsenet~通过数据增强等处理方式，利用20层的Resnet对其进行测试，精度达到0.9139.

使用tensorflow2.0对CIFAR10数据集训练总结 最近在GitHub上找到一个利用tf2跑cifar10数据集跑模型的资源(连接),在跑模型阶段遇到了许多的问题,现在进行一下总结 一、Im

CINIC-10:介于CIFAR-10和ImageNet之间的基准数据集

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

caffe最老的版本，比新版本代码易读，caffe官网已无法下载。这是windows版本代码，环境已经配好，由于上传大小受限，第三方库需要自配。

tensorflow基于cifar10卷积神经网络mnist.py源码 有源码解析 于入门学习者很有帮助

使用CIFAR-10数据集✈️

ubuntu下使用C++生成cifar10二进制格式数据

本文介绍如何使用Python编写混淆矩阵的计算代码，以评估Resnet34模型在CIFAR10数据集上的性能。同时，我们还详细讲解了如何计算查准率和召回率，以及如何解释混淆矩阵的结果。代码十分简洁明了