本项目在MNIST和CIFAR-10两个数据集上分别实现了五种经典的卷积神经网络架构：LeNet、AlexNet、VGGNet、...

### 项目文档 #### 项目概述 本项目在MNIST和CIFAR-10两个数据集上分别实现了五种经典的卷积神经网络架构：LeNet、AlexNet、VGGNet、ResNet和GoogLeNet。 针对不同的数据集，网络架构进行了适当调整，以确保模型在每个数据集上的性能表现。 #### 项目结构 ```angular2html mnist_project │ load_data.py │ train.py │ grid_search.py │ ├─data │ └─MNIST │ ├─model │ alexnet.py │ googlenet.py │ lenet.py │ resnet.py │ vggnet.py └─__pycache__ ``` mnist_project 项目结构如上所示，包含以下内容： - load_data.py: 用于数据预处理和加载的脚本。 - train.py: 负责模型的训练和评估的脚本。 - grid_search.py：负责模型网格调参的脚本。 - data: 存放 MNIST 数据集的子文件夹。 - model: 存放模型定义文件的文件夹： - alexnet.py: AlexNet 模型定义。 - googlenet.py: GoogleNet 模型定义。 - lenet.py: LeNet 模型定义。 - resnet.py: ResNet 模型定义。 - vggnet.py: VGGNet 模型定义。 - pycache: 存放 Python 编译字节码的文件夹。 ```angular2html cifar_project │ load_data.py │ train.py │ grid_search │ ├─cifar-10-batches-py │ ├─test │ └─train │ ├─model │ alexnet.py │ googlenet.py │ lenet.py │ resnet.py │ vggnet.py └─__pycache__ ``` cifar_project 项目结构如上所示，包含以下内容： - load_data.py: 用于数据预处理和加载的脚本。 - train.py: 负责模型的训练和评估的脚本。 - grid_search.py：负责模型网格调参的脚本。 - cifar-10-batches-py: 存放 CIFAR-10 数据集的子文件夹，分成训练集和测试集。 - model: 存放模型定义文件的文件夹： - alexnet.py: AlexNet 模型定义。 - googlenet.py: GoogleNet 模型定义。 - lenet.py: LeNet 模型定义。 - resnet.py: ResNet 模型定义。 - vggnet.py: VGGNet 模型定义。 - pycache: 存放 Python 编译字节码的文件夹。 #### 项目运行说明 - 请参考项目的requirements.txt文件，确保已安装项目所需的所有库依赖。 - 请自行下载 MNIST 和 CIFAR-10 数据集并保存在对应路径 - 运行项目文件夹中的train.py文件即可启动训练。 - 数据预处理等请在load_data.py文件中进行修改。 - 模型训练的超参数等请在train.py文件中进行调整。 - 模型架构请在相应的模型定义文件中进行修改。