PyTorch CIFAR-100 实践指南

本仓库提供了一个在CIFAR-100数据集上实践多种深度学习模型的资源文件。通过本项目，您可以学习和实践以下模型：

• ResNet
• DenseNet
• VGG
• GoogleNet
• InceptionV3
• InceptionV4
• Inception-ResNetv2
• Xception
• Resnet In Resnet
• ResNext
• ShuffleNet
• ShuffleNetv2
• MobileNet
• MobileNetv2
• SqueezeNet
• NasNet
• Residual Attention Network
• SE WideResNet

环境要求

• Python 3.6
• PyTorch 1.6.0 + cu101
• TensorBoard 2.2.2（可选）

使用方法

1. 进入目录
   打开终端并输入以下命令：

   $ cd pytorch-cifar100
   

2. 数据集
   本项目将使用来自torchvision的CIFAR-100数据集，因为它更加方便。同时，我们还保留了示例代码，用于在数据集文件夹中编写您自己的数据集模块，以帮助那些不知道如何编写数据集模块的用户。

3. 运行TensorBoard（可选）
   如果您希望使用TensorBoard来可视化训练过程，可以按照以下步骤操作：
   • 安装TensorBoard：

     $ pip install tensorboard
     

   • 创建运行目录：

     $ mkdir runs
     

   • 运行TensorBoard：

     $ tensorboard --logdir=runs
     

注意事项

• 本项目旨在帮助用户在CIFAR-100数据集上实践多种深度学习模型，适合初学者和有一定经验的用户。
• 如果您有任何问题或建议，欢迎在GitHub上提交Issue或Pull Request。

希望本项目能够帮助您更好地理解和实践深度学习模型！

下载链接

PyTorchCIFAR-100实践指南