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

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

• Transer Learning Colab Demo

  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

• MobileNetv1 Model
• MobileNetv2 Model
• ShuffleNetv1 Model
• ShuffleNetv2 Model
• ResNeXt Model
• ZFNet Model
• SeNet Model
• Efficientent Model

下载CIFAR10_code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。

我的代码资源都在我的github和gitee上，大家有兴趣可以自提，CIFAR10可以利用代码下载，这里就不给出来了，当然也可以去官网。

• 路径1：Gitee GitHub

• 路径2：百度网盘 链接：https://pan.baidu.com/s/1uA5YU06FEW7pW8g9KaHaaw 提取码：5605

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

参考

• Pytorch Note 快乐星球