Pytorch实现cifar10多分类

Pytorch实现cifar10多分类
本节以CIFAR-10作为数据集，使用PyTorch利用卷积神经网络进行分类

6.5.1 数据集说明
CIFAR-10数据集由10个类的60000个32x32彩色图像组成，每个类有6000个图像。有50000个训练图像和10000个测试图像。
数据集分为5个训练批次和1个测试批次，每个批次有10000个图像。测试批次包含来自每个类别的恰好1000个随机选择的图像。训练批次以随机顺序选取剩余图像，但一些训练批次可能更多会选取来自一个类别的图像。总体来说，五个训练集之和包含来自每个类的正好5000张图像。图6-27 显示了数据集中涉及的10个类，以及来自每个类的10个随机图像。

airplane automobile bird cat deer dog frog horse ship truck

 

Pytorch实现cifar10多分类
本节以CIFAR-10作为数据集，使用PyTorch利用卷积神经网络进行分类

6.5.1 数据集说明
CIFAR-10数据集由10个类的60000个32x32彩色图像组成，每个类有6000个图像。有50000个训练图像和10000个测试图像。
数据集分为5个训练批次和1个测试批次，每个批次有10000个图像。测试批次包含来自每个类别的恰好1000个随机选择的图像。训练批次以随机顺序选取剩余图像，但一些训练批次可能更多会选取来自一个类别的图像。总体来说，五个训练集之和包含来自每个类的正好5000张图像。图6-27 显示了数据集中涉及的10个类，以及来自每个类的10个随机图像。

airplane automobile bird cat deer dog frog horse ship truck
图6-27 CIFAR-10数据集
这10类都是彼此独立的，不会出现重叠，即这是多分类单标签问题

。

 

 建网络根

 

 

 训练模型