LeNet模型对CIFAR-10数据集分类【pytorch】

目录

本文为针对CIFAR-10数据集的基于简单神经网络LeNet分类实现（pytorch实现）

LeNet 网络模型

Tip：（以上为原始LeNet）为了更好的效果，我在模型实现时此处将池化层换为Max

CIFAR-10 数据集

CIFAR-10数据集由60000张32x32的彩色图像组成，分为10类，每类有6000张图像。有50000张训练图像和10000张测试图像。

该数据集被分为五个训练批和一个测试批，每个批有10000张图像。测试批包含从每个类中随机选择的1000张图像。训练批包含其余的随机顺序的图像，但有些训练批可能包含一个类别的图像多于另一个。在它们之间，训练批次恰好包含了每个类别的5000张图像。

下面是数据集中的类别，以及每个类别的10张随机图像。