【深度学习】CIFAR10图像分类

清华大学驭风计划课程链接 

学堂在线 - 精品在线课程学习平台 (xuetangx.com)

代码和报告均为本人自己实现（实验满分），只展示主要任务实验结果，如果需要详细的实验报告或者代码可以私聊博主

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~~

案例3：PyTorch实战: CIFAR10图像分类

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：

1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；

2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 ImageNet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)

3实验结果

1,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；