深度学习100例：卷积神经网络与生成对抗网络实战-CSDN博客

本文链接：https://blog.csdn.net/m0_60514232/article/details/119268479

K同学通过90天完成了深度学习100例系列，涵盖CNN识别MNIST、CIFAR10、Fashion-MNIST、花卉、天气等，还涉及VGG、ResNet、RNN、LSTM、AlexNet、Inception等模型，最后介绍了生成对抗网络（GAN）的手写数字和动漫人物生成。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

大家好，我是 K同学啊！

《深度学习100例》系列在昨天已经完成了第20博客！

这是一个漫长的过程，中途遇到了不少问题，但是也有幸遇见不少优秀的伙伴，这里简单介绍一下这90天做的事情。

1. 深度学习100例-卷积神经网络（CNN）实现MNIST手写数字识别 | 第1天

这篇文章作为《深度学习100例》的首篇文章，我使用了最简单也最经典的案例 – MNIST手写数字识别。极简化了神经网络程序，当然，如何你是一个从来没了接触过深度学习的小白，那我建议你可以先看这个专栏：《小白入门深度学习》

使用的是MNIST数据集，MNIST 手写字符数据集的数字图片是由250个不同职业的人纯手写绘制，其中训练集为60,000张28x28像素灰度图像，测试集为10,000张28x28像素灰度图像，总共10类数字标签。

2. 深度学习100例-卷积神经网络（CNN）彩色图片分类 | 第2天

这篇文章中我使用的是CIFAR10数据集，它是一个更接近普适物体的彩色图像数据集。是由Hinton 的学生Alex Krizhevsky 和Ilya Sutskever 整理的一个用于识别普适物体的小型数据集。一共包含10 个类别的RGB彩色图片，每个类别有6000个图像。每个图片的尺寸为32×32 ，数据集中一共有50000张训练图片和10000 张测试图片。

3. 深度学习100例-卷积神经网络（CNN）服装图像分类 | 第3天

Fashion-MNIST是一个图像数据集。它是由Zalando（一家德国的时尚科技公司）旗下的研究部门提供。其涵盖了来自10种类别的共7万个不同商品的正面图片。Fashion-MNIST的大小、格式和训练集/测试集划分与原始的MNIST完全一致。60000/10000的训练测试数据划分，28x28的灰度图片。你可以直接用它来测试你的机器学习和深度学习算法性能，且不需要改动任何的代码。