如何使用PyTorch实现CIFAR-10图像分类？

本文共计1094个文字，预计阅读时间需要5分钟。

本期内，我们将利用PyTorch深度学习框架进行CIFAR-10项目实践。从本文中，你将学到如何使用torchvision.datasets读取远程数据，以及CIFAR-10图像分类项目的基本背景、数据读取与可视化。

本期我们来利用pytorch深度学习框架进行CIFAR-10项目实践。从本文你将要学到

• 如何利用torchvision.datasets读取远程数据

CIFAR-10图像分类项目

• ​​背景​​
• ​​读取数据并可视化​​
• ​​构建网络，损失函数，优化方式​​
• ​​模型训练​​
• ​​评估模型​​
• ​​保存模型​​
• ​​加载模型做测试​​
• ​​参考文献​​

背景

CIFAR-10是​​kaggle计算机视觉竞赛​​的一个图像分类项目。该数据集共有60000张32*32彩色图像，一共可以分为"plane", “car”, “bird”,“cat”, “deer”, “dog”, “frog”,“horse”,“ship”, “truck” 10类，每类6000张图。有50000张用于训练，构成了5个训练批，每一批10000张图；10000张用于测试，单独构成一批。