CIFAR10-VGG13深度学习卷积神经网络框架图形分类识别

程序代码：

https://download.csdn.net/download/do_it_123/88928187

CIFAR10 数据集由加拿大 Canadian Institute For Advanced Research 发布，它包含了飞机、汽车、鸟、猫等共 10 大类物体的彩色图片，每个种类收集了 6000 张32 × 32大小图片，共 6 万张图片。其中 5 万张作为训练数据集， 1 万张作为测试数据集。

CIFAR10 图片识别任务并不简单，这主要是由于 CIFAR10 的图片内容需要大量细节才能呈现， 而保存的图片分辨率仅有32 × 32，使得部分主体信息较为模糊，甚至人眼都很难分辨。 浅层的神经网络表达能力有限，很难训练优化到较好的性能，本节将基于表达能力更强的 VGG13 网络，根据我们的数据集特点修改部分网络结构，完成 CIFAR10 图片识别。修改如下：

❑ 将网络输入调整为32 × 32。 原网络输入为22 × 22 ，导致全连接层输入特征维度过

大，网络参数量过大。

❑ 3 个全连接层的维度调整为 2 ，满足 10 分类任务的设定。

下图是调整后的 VGG13 网络结构，我们统称之为 VGG13 网络模型。

 卷积网络总参数量约为 940 万个，全连接网络总参数量约为 17.7 万个，网络总参数量约为950 万个，相比于原始版本的 VGG13 参数量减少了很多。 运行 cifar10_train.py 文件即可开始训练模型，在训练完 50 个 Epoch 后，网络的测试准确率达到了 77.5%。 

备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除。

创作不易，相关程序，说明文档需求，如需要，可加作者新联系方式，WX：Q3101759565，QQ：3101759565[多加几次！！！]

祝您学业有成！工作顺利！ 年薪百万!