ResNet18+SENet实现cifar10分类training准确率95.66%,test准确率90.77%

需积分: 49 110 浏览量 2021-04-30 18:57:39 上传评论 8 收藏 13KB PY 举报

资源推荐

资源评论

pytorch的resnet-18在cifar-10的预训练模型

5星 · 资源好评率100%

pytorch的resnet-18在cifar-10的预训练模型

格式：pt 资源大小：42.7MB

Pytorch实现：使用ResNet18网络训练Cifar10数据集，测试集准确率达到95.46%(从0开始

Pytorch实现：使用ResNet18网络训练Cifar10数据集，测试集准确率达到95.46%(从0开始，不使用预训练模型).zip

格式：zip 资源大小：9.9KB

tensorflow resnet源码 cifar10测试实战

5星 · 资源好评率100%

ResNet源码，然后基于resnet实现在cifar10下的实战测试，注释齐全，特别详细，都能看懂。

格式：zip 资源大小：3.2KB

ResNet-18-cifar10.zip

使用 ResNet 对 Cifar10 进行学习训练，整个过程，包括数据集的处理，loss 计算，以及准确度计算，数据保存

格式：zip 资源大小：11.8KB

cifar10_resnet18.py

cifar10_resnet18.py

格式：py 资源大小：4.9KB

pytorch_resnet_cifar10:在pytorch中针对CIFAR10100的ResNet-s的正确实现与原始论文的描述相匹配

在Pytorch中CIFAR10 / CIFAR100的正确ResNet实施提供了许多最新体系结构的实现，但是，其中大多数是为ImageNet定义和实现的。通常，在其他数据集上使用提供的模型很简单，但是某些情况下需要手动设置。例如，很少有带有CIFAR10上ResNets的pytorch存储库提供了如所述的实现。如果仅在CIFAR10上使用Torchvision的模型，您将获得在层数和参

格式：zip 资源大小：84.3MB

Pytorch实现CIFAR10图像分类任务测试集准确率达95%

格式：rar 资源大小：21.9KB

Pytorch实现：使用ResNet18网络训练Cifar10数据集，测试集准确率达到95.46%(从0开始，不使用预训练模型)

5星 · 资源好评率100%

本文将介绍如何使用数据增强和模型修改的方式，在不使用任何预训练模型参数的情况下，在ResNet18网络上对Cifar10数据集进行分类任务。在测试集上，我们的模型准确率可以达到95.46%。在Kaggle的Cifar10比赛上，我训练的模型在300,000的超大Cifar10数据集上依然可以达到95.46%的准确率。

格式：zip 资源大小：7.5KB

pytorch-cifar100：在cifar100上实践（ResNet，DenseNet，VGG，GoogleNet，InceptionV3，InceptionV4，Inception-ResNetv2，Xception，Resnet In Resnet，ResNext，ShuffleNet，ShuffleNetv2，MobileNet，MobileNetv2，SqueezeNet，NasNet，Residual Attention Network，SE WideResNet）

皮托奇·西法尔100 pytorch在cifar100上练习要求这是我的实验资料 python3.6 pytorch1.6.0 + cu101 张量板2.2.2（可选）用法 1.输入目录 $ cd pytorch-cifar100 2.数据集我将使用来自torchvision的cifar100数据集，因为它更方便，但我还将示例代码保留了用于在数据集文件夹中编写您自己的数据集模块的示例

格式：zip 资源大小：44.8KB

现流行的AlexNet,VGGNet,GoogleNet,SENet,ResNet等11篇经典卷积神经网络

现流行的AlexNet,VGGNet,GoogleNet,SENet,ResNet等11篇经典卷积神经网络

格式：zip 资源大小：42.5MB

keras_cifar10_resnet分类例子

5星 · 资源好评率100%

keras_cifar10_resnet分类例子，深度学习专用，代码简单，

格式：py 资源大小：14.2KB

CIFAR-10 数据和Keras CNN程序识别率89%左右

5星 · 资源好评率100%

CIFAR-10 数据和Keras CNN程序识别率89%左右 CIFAR-10数据为npz格式

格式：zip 资源大小：172.5MB

【深度学习】Cifar-10-探究不同的改进策略对分类准确率提高

【深度学习】Cifar-10-探究不同的改进策略对分类准确率提高【深度学习】Cifar-10-探究不同的改进策略对分类准确率提高

格式：rar 资源大小：180.6MB

ResNet18_CIFAR10.rar

5星 · 资源好评率100%

使用Pytorch和CIFAR10数据集训练ResNet18

格式：rar 资源大小：341.2MB

基于tensorflow的残差模块的简单实现，cifar-10测试

5星 · 资源好评率100%

使用tensorflow简单实现了残差网络的block模块以及 bottleneck模块，并在cifar-10数据集上进行了简单测试

格式：rar 资源大小：3.3KB

cifar100(20个任务)测试结果

5星 · 资源好评率100%

cifar100(20个任务)测试结果

格式：pptx 资源大小：95.2KB 页数：1

构建对CIFAR-100数据集中的图像进行分类的CNN

构建对CIFAR-100数据集中的图像进行分类的CNN CIFAR-100 数据集与 CIFAR-10 类，但是它包含了 100 个分类，每个分类 600 张图片，其中 500 张用于训练，100 张用于测试。CIFAR-100 中的100 个分类被群组成了 20 个超类。每张图片都有一个“细粒度”的标签，即表示它属于哪个类，以及一个“粗粒度”标签，即表示它属于哪个超类。下面是 CIFAR-10

格式：ipynb 资源大小：46.3KB

Keras实现经典的卷积神经网络

Keras实现经典的卷积神经网络用于cifar10图像分类:NIN,VGG,ResNet,DenseNet,SeNet

格式：zip 资源大小：1.4MB

八种经典网络对cifar-10的分类.rar

包含8种经典网络在CIFAR10数据上的分类代码，其中包括LeNet,Network_in_Network,Vgg19,ResNet,wide_ResNet,ResNeXt,DenseNet,SENet

格式：rar 资源大小：1.3MB

Tensorflow 2.1训练实战 cifar10 完整代码准确率 88.6% 模型 Resnet SENet Inception

环境： tensorflow 2.1 最好用GPU 模型： Resnet：把前一层的数据直接加到下一层里。减少数据在传播过程中过多的丢失。 SENet：学习每一层的通道之间的关系 Inception: 每一层都用不同的核（1×1，3×3，5×5）来学习.防止因为过小的核或者过大的核而学不到图片的特征。用Resnet ，SENet， Inceptiont网络训练Cifar10 或者Cifar 1

格式：pdf 资源大小：55.4KB 页数：4

基于深度学习Resnet网络实现多种植物识别分类源码(准确率98.5%)+数据集+模型+使用说明.zip

5星 · 资源好评率100%

基于深度学习Resnet网络实现多种植物识别分类源码(准确率98.5%)+数据集+模型+使用说明.zip 【资源介绍】 checkpoints为训练好的resnet18植物识别模型，迭代次数为100次，准确率达到98.5% config.py为配置文件，里面设置迭代次数、bachsize、优化器选择、损失函数选择、训练验证数据配置路径、学习率等等。可自定义修改改变 dataset.py 为数据

格式：zip 资源大小：76.9MB

DenseNet-Fast-40-12-CIFAR10.h5

DenseNet-Fast-40-12-CIFAR10.h5 准确率高达93% 可用此直接发布到heroku上

格式：h5 资源大小：4.0MB

vgg_cifar10.py

vgg_cifar10.py是非常优秀的深度学习卷积神经网络1 cifar10准确率达到了89%。权重文件可在我的下载中找到！链接：http://download.csdn.net/download/qq_30803353/10158302

格式：py 资源大小：8.6KB

cifar10：使用keras预测88％的准确性的CIFAR-10标签

使用CNN的CIFAR-10 该项目旨在预测CIFAR-10数据集的标签。该项目使用Keras实施深度学习。几乎所有代码都是IPython笔记本的形式。最终精度分类错误指标图依存关系朱皮特凯拉斯张量流 Matplotlib 泡菜内容 Helper-帮助程序功能，可将数据解码并获取到IPython笔记本基本-IPython笔记本测试助手功能并列出数据集中的图像简单的CNN

格式：zip 资源大小：198.2MB

SENet-Tensorflow：使用Cifar10（ResNeXt，Inception-v4，Inception-resnet-v2）的“挤压和激励网络”的简单Tensorflow实现

SENet-Tensorflow 使用Cifar10的简单Tensorflow实现我实现了以下SENet 如果您想查看原始作者的代码，请参考此要求 Tensorflow 1.x Python 3.x tflearn（如果您易于使用全局平均池，则应安装tflearn ）问题图片尺寸在纸上，尝试了ImageNet 但是，由于Inception网络中的图像大小问题，因此我对Cifar1

格式：zip 资源大小：303.8KB

Python-在CIFAR10上训练小型ResNet79秒内达到94测试精度

5星 · 资源好评率100%

在CIFAR10上训练小型ResNet，79秒内达到94％测试精度

格式：zip 资源大小：1.8MB

Java 面经手册·小傅哥.pdf

5星 · 资源好评率100%

这是一本以面试题为入口讲解 Java 核心内容的技术书籍，书中内容极力的向你证实代码是对数学逻辑的具体实现。当你仔细阅读书籍时，会发现Java中有大量的数学知识，包括：扰动函数、负载因子、拉链寻址、开放寻址、斐波那契（Fibonacci）散列法还有黄金分割点的使用等等。适合人群 1. 具备一定编程基础，工作1-3年的研发人员 2. 想阅读 Java 核心源码，但总感觉看不懂的 3. 看了太多

格式：pdf 资源大小：15.9MB 页数：417

解压后拖入浏览器扩展程序使用.zip

5星 · 资源好评率100%

解压后拖入浏览器扩展程序使用

格式：zip 资源大小：1.4MB

103套PPT模板.zip

4星 · 用户满意度95%

读本科常用的100套PPT模板，里面的模板能应用于答辩、汇报、经验分享，风格各异，可以根据自己的喜欢进行挑选

格式：zip 资源大小：275.3MB

Java基础语法系统化总结

Java语法是编程的核心基础，涵盖数据类型、运算符、流程控制、方法、数组等关键概念。本文是系统化的总结，适合初学者快速掌握或开发者复习。

立体学：三维世界的二维解码

# 立体学中的采样与估计方法详解 ## 1. 样本量优化与手动、自动立体学 ### 1.1 样本量......

评论收藏

内容反馈

K.M.Yes

粉丝: 0

ResNet18+SENet 实现cifar10分类 training准确率95.66%,test准确率90.77%

最新资源

ResNet18+SENet 实现cifar10分类 training准确率95.66%,test准确率90.77%

pytorch的resnet-18在cifar-10的预训练模型

Pytorch实现：使用ResNet18网络训练Cifar10数据集，测试集准确率达到95.46%(从0开始

tensorflow resnet源码 cifar10测试实战

ResNet-18-cifar10.zip

cifar10_resnet18.py

pytorch_resnet_cifar10:在pytorch中针对CIFAR10100的ResNet-s的正确实现与原始论文的描述相匹配

Pytorch实现CIFAR10图像分类任务测试集准确率达95%

Pytorch实现：使用ResNet18网络训练Cifar10数据集，测试集准确率达到95.46%(从0开始，不使用预训练模型)

pytorch-cifar100：在cifar100上实践（ResNet，DenseNet，VGG，GoogleNet，InceptionV3，InceptionV4，Inception-ResNetv2，Xception，Resnet In Resnet，ResNext，ShuffleNet，ShuffleNetv2，MobileNet，MobileNetv2，SqueezeNet，NasNet，Residual Attention Network，SE WideResNet）

现流行的AlexNet,VGGNet,GoogleNet,SENet,ResNet等11篇经典卷积神经网络

keras_cifar10_resnet分类例子

CIFAR-10 数据和Keras CNN程序 识别率89%左右

【深度学习】Cifar-10-探究不同的改进策略对分类准确率提高

ResNet18_CIFAR10.rar

基于tensorflow的残差模块的简单实现，cifar-10测试

cifar100(20个任务)测试结果

构建对CIFAR-100数据集中的图像进行分类的CNN

Keras实现经典的卷积神经网络

八种经典网络对cifar-10的分类.rar

Tensorflow 2.1训练 实战 cifar10 完整代码 准确率 88.6% 模型 Resnet SENet Inception

基于深度学习Resnet网络实现多种植物识别分类源码(准确率98.5%)+数据集+模型+使用说明.zip

DenseNet-Fast-40-12-CIFAR10.h5

vgg_cifar10.py

cifar10：使用keras预测88％的准确性的CIFAR-10标签

SENet-Tensorflow：使用Cifar10（ResNeXt，Inception-v4，Inception-resnet-v2）的“挤压和激励网络”的简单Tensorflow实现

Python-在CIFAR10上训练小型ResNet79秒内达到94测试精度

Java 面经手册·小傅哥.pdf

解压后拖入浏览器扩展程序使用.zip

103套PPT模板.zip

Java基础语法系统化总结

立体学：三维世界的二维解码

最新资源

CIFAR-10 数据和Keras CNN程序识别率89%左右

Tensorflow 2.1训练实战 cifar10 完整代码准确率 88.6% 模型 Resnet SENet Inception