cifar10-CNN-master.zip

# cifar10-CNN 卷积神经网络CNN在cifar10上的应用 本人进行了分别是在单个GPU和多个GPU下进行了测试，所以代码就被分成了两部分 单个GPU包含以下文件(在官方源码基础上进行更改)，见博客[卷积神经网络：CIFAR-10训练和测试（单块GPU）](https://blog.csdn.net/weixin_42111770/article/details/81940601): <table> <thead> <tr> <th>文件</th> <th>作用</th> </tr> </thead> <tbody> <tr> <th>cifar10_model.py</th> <th> 建立卷积神经模型，定义损失函数，训练器和正确率计算等函数</th> </tr> <tr> <th>cifar10_input.py</th> <th> </th>读取本地CIFAR-10的二进制文件格式的内容 </tr> <tr> <th>cifar10_train_eval.py </th> <th>训练CIFAR-10和评估CIFAR-10模型</th> </tr> </tbody> </table> 多个GPU包含以下文件(官方源码＋本人注释和理解)，见博客[官方卷积神经网络cifar10源码的学习笔记（多块GPU）](https://blog.csdn.net/weixin_42111770/article/details/82685668): <table> <thead> <tr> <th>文件</th> <th>作用</th> </tr> </thead> <tbody> <tr> <th>input.py</th> <th>读取本地CIFAR-10的二进制文件格式的内容。</th> </tr> <tr> <th>cifar10.py </th> <th> 建立CIFAR-10的模型。</th> </tr> <tr> <th>train.py </th> <th> 在CPU或GPU上训练CIFAR-10的模型。</th> </tr> <tr> <th>eval.py </th> <th>评估CIFAR-10模型的预测性能。</th> </tr> <tr> <th>multi_gpu_train.py </th> <th> 在多GPU上训练CIFAR-10的模型。</th> </tr> </tbody> </table>