qq_2787174606的博客

train loss和train corre分别代表损失和正确率，横轴是不同迭代下每一个伦次的loss&corre累加，一个迭代进行33个轮次，每个迭代最后一个伦次数据不足被网络舍弃，10个迭代总共320次。python生成上图代码如下，其中GETVGGnet是搭建VGG网络的程序GETVGGnet.py，VGGnet是该程序中的搭建网络类。此次训练在CPU上进行，迭代次epoch = 10，迭代内轮次batch=300，训练集10000张，测试集2000张。训练的损失和正确率在波动，但总体趋势较好。

VGG网络（Visual Geometry Group Network）是一种经典的深度学习卷积神经网络（CNN）架构，由牛津大学的视觉几何组（Visual Geometry Group）在2014年提出。VGG网络在ImageNet挑战赛2014中取得了优异的成绩，因此受到了广泛的关注和应用。本文的结构与常规不同，关于其内部结构详解参考：https://zhuanlan.zhihu.com/p/69281173。

CIFAR-10是一个广泛使用的图像数据集，它由10个类别的共60000张32x32彩色图像组成，每个类别有6000张图像。以下为CIFAR-10数据集data_batch_*表示训练集数据，test_batch表示测试集数据。注：以上代码非原创，仅供个人记录学习笔记，若有侵权，请我联系删除。预处理结果（将CIFAR-10保存为图片格式）或是批量读取训练集和测试集数据。