【深度学习】- 作业3: CIFAR10图像分类

曼城周杰伦

已于 2023-05-29 09:38:48 修改

阅读量987

点赞数 1

分类专栏：学堂在线文章标签：深度学习分类人工智能

于 2023-05-19 23:46:22 首次发布

本文链接：https://blog.csdn.net/victor_manches/article/details/130775772

版权

学堂在线专栏收录该内容

29 篇文章

订阅专栏

驭风计划由清华大学教授，涵盖机器学习、深度学习、计算机语言和数据结构与算法。文中提到的课程项目包括使用PyTorch实现CIFAR10分类，比较了多层感知机和卷积网络的效果，并提供了代码仓库链接。此外，学生还学习了PyTorch的ImageNet分类示例，但不需提交相关代码和报告。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

课程链接: 清华大学驭风计划

代码仓库：Victor94-king/MachineLearning: MachineLearning basic introduction (github.com)

驭风计划是由清华大学老师教授的，其分为四门课，包括: 机器学习(张敏教授) ，深度学习(胡晓林教授), 计算机语言(刘知远教授) 以及数据结构与算法(邓俊辉教授)。本人是综合成绩第一名，除了数据结构与算法其他单科均为第一名。代码和报告均为本人自己实现，由于篇幅限制，只展示任务布置以及关键代码，如果需要报告或者代码可以私聊博主

机器学习部分授课老师为胡晓林教授，主要主要通过介绍回归模型，多层感知机，CNN，优化器，图像分割，RNN & LSTM 以及生成式模型入门深度学习

有任何疑问或者问题，也欢迎私信博主，大家可以相互讨论交流哟~~

任务介绍

1 用多层感知机( MLP) 和卷积网络( ConvNet) 完成CIFAR10分类

使用PyTorch分别实现多层感知机(MLP)和卷积网络(ConvNet)，并完成CIFAR10数据集（http://www.cs.toronto.edu/~kriz/cifar.html）分类。本案例不提供初始代码，请自行配置网络和选取超参数，包括层数、卷积核数目、激活函数类型、损失函数类型、优化器等方面。

提交所有代码和一份案例报告，要求如下：

l详细介绍所使用的模型及其结果，至少包括超参数选取，损失函数、准确率及其曲线；

l比较不同模型配置下的结果，至少从三个方面作比较和分析，例如层数、卷积核数目、激活函数类型、损失函数类型、优化器等。

2 学习PyTorch mageNet分类示例

请自行学习PyTorch官方提供的ImageNet分类示例代码，以便更好地完成后续案例([https://github.com/pytorch/examples/tree/master/imagenet](https://github.com/pytorch/examples/tree/master/imagenet))，这部分无需提交代码和报告。