人工智能作业-基于Transformer模块+CNN实现CIFAR-10数据集的识别分类源码+运行说明.zip

人工智能作业-基于Transformer模块+CNN实现CIFAR-10数据集的识别分类源码+运行说明.zip 【备注】 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！有问题请及时沟通交流。 2、适用人群：计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。 3、用途：项目具有较高的学习借鉴价值，不仅适用于小白学习入门进阶。也可作为毕设项目、课程设计、大作业、初期项目立项演示等。 4、如果基础还行，或热爱钻研，亦可在此项目代码基础上进行修改添加，实现其他不同功能。 欢迎下载！欢迎交流学习！不清楚的可以私信问我！ 实验环境 # - 操作系统：Linux - cuda版本：11.8 - pytorch版本：2.0.0 - 需要安装的包：pytorch，torchvision，einops 安装方式： > pip install einops -i https://pypi.tuna.tsinghua.edu.cn/simple 数据集下载 # CIFAR-10（Canadian Institute For Advanced Research - 10）是一个常用的图像分类数据集，由加拿大高级研究院创建 - 下载链接： [https://www.cs.toronto.edu/~kriz/cifar.html](https://www.cs.toronto.edu/~kriz/cifar.html "The CIFAR-10 dataset") - 图像类别：飞机、汽车、鸟类、猫、鹿、狗、青蛙、马、船、卡车 - 图像尺寸：32x32像素 - 图像数量：60000张（每个类别6000张） - 选择理由：CIFAR-10是计算机视觉领域中最常用的基准数据集之一，包含多个类别的图像，涵盖了日常生活中常见的物体和动物，适用于图像分类任务，同时由于图像尺寸相对较小，训练和评估模型的速度相对较快，有助于在较短时间内进行快速迭代和实验 运行方式 # 1. 替换数据集保存路径 > trainset = torchvision.datasets.CIFAR10(root='./data', train=True, download=True, transform=transform)<br/> > testset = torchvision.datasets.CIFAR10(root='./data', train=False, download=True, transform=transform) 将代码中root的地址换成自己设定的地址，注意这里的data是数据集文件夹的父级目录 2. 运行 > python mycnn_vit.py > result.xlsx 运行该命令需要切换到代码所在目录，运行结果会保存到result.xlsx文件中 实验结果 #