https://github.com/cuc-zihang-liu/cifar10_cnn
基于CIRFAR10数据集的CNN网络实现
Science Score: 26.0%
This score indicates how likely this project is to be science-related based on various indicators:
-
○CITATION.cff file
-
✓codemeta.json file
Found codemeta.json file -
✓.zenodo.json file
Found .zenodo.json file -
○DOI references
-
○Academic publication links
-
○Academic email domains
-
○Institutional organization owner
-
○JOSS paper metadata
-
○Scientific vocabulary similarity
Low similarity (1.4%) to scientific vocabulary
Last synced: 10 months ago
·
JSON representation
Repository
基于CIRFAR10数据集的CNN网络实现
Basic Info
Statistics
- Stars: 0
- Watchers: 0
- Forks: 0
- Open Issues: 0
- Releases: 0
Created about 1 year ago
· Last pushed 12 months ago
Metadata Files
Readme
README.md
CIFAR-10 卷积神经网络分类实验
本项目基于卷积神经网络（CNN）实现了对 CIFAR-10 图像数据集的分类任务，包含模型训练、测试、权重保存与结果可视化等完整流程，适合深度学习初学者和相关课程实验参考。
目录结构
test/
├── CIFAR10_CNN_weights.h5 # 训练好的CNN模型权重文件
└── test.py # 主程序：模型定义、训练、测试与权重保存
环境依赖
- Python 3.7+
- tensorflow
- matplotlib
- numpy
建议使用虚拟环境进行依赖管理：
bash
pip install tensorflow matplotlib numpy
文件说明
test.py
主程序文件，包含以下主要功能：- 加载 CIFAR-10 数据集
- 数据预处理与归一化
- 定义卷积神经网络结构
- 模型训练与测试，准确率输出
- 保存训练好的模型权重为
CIFAR10_CNN_weights.h5 - 训练过程与结果的可视化（损失与准确率曲线、预测样例展示）
CIFAR10_CNN_weights.h5
已训练好的模型权重文件，可直接用于模型加载与推理，无需重复训练。
快速开始
- 安装依赖（见上文）。
- 运行主程序：
bash
python test/test.py
程序将自动训练模型并保存权重到 CIFAR10_CNN_weights.h5，如已存在权重文件可直接加载进行测试和可视化。
结果展示
- 训练与验证集的损失、准确率曲线将自动绘制。
- 随机选取10张测试图片，展示其真实标签与模型预测结果。
- 训练和测试过程中的时间点会在终端输出。
参考
Owner
- Name: 刘子航
- Login: CUC-ZIHANG-LIU
- Kind: user
- Company: 中国传媒大学
- Repositories: 1
- Profile: https://github.com/CUC-ZIHANG-LIU
GitHub Events
Total
- Push event: 1
- Create event: 2
Last Year
- Push event: 1
- Create event: 2