总结3-常见深度学习网络入门：pytorch实例

1、PyTorch实例入门（1）：图像分类

1）利用Pytorch，搭建最基本网络Lenet，实现图像分类。该例子麻雀虽小，五脏俱全，入门非常合适。Lenet 是由 Yann LeCun 等人在 1990 年《Handwritten Digit Recognition with a Back-Propagation Network》中提出，是卷积神经网络的 HelloWorld。

2）讲解，参考文章《PyTorch实例入门（1）：图像分类》，可运行代码参考《完整代码链接》。
3）我们使用CIFAR-10作为数据集，包含了10个类别60000张图片，每张图片的大小为32x32，其中训练图片50000张，测试图片10000张。下图是一些示例：

2、pytorch动手实践：pytorch车型细分类网络

1）讲解，代码，主要参考知乎文章《pytorch车型细分类网络》，代码规范，容易读懂，另可参考这篇《车辆图形识别分类》。
2）本项目是关于车型分类，resnet50网络，可供基础学习使用。
3）下载数据：下载链接《10类汽车类型识别数据集》，汽车公共数据集，训练模型，用于车辆识别，车型分类。，使用提供的2000张，标注了10类汽车的车辆场景分类的高分辨率图片。标签信息： bus,taxi,truck,family sedan,minibus,jeep,SUV,heavy truck,racing car,fire engine.

 

3、常见卷积神经网络

1）[Lenet](卷积神经网络之Lenet - 知乎 (zhihu.com))

2）[Alexnet](卷积神经网络之Alexnet - 知乎 (zhihu.com))

3）[VGG](卷积神经网络之VGG - 知乎 (zhihu.com))