pytorch-cifar100

4.8k 1.2k 简单 1 次阅读今天图像开发框架

AI 解读由 AI 自动生成，仅供参考

pytorch-cifar100 是一个基于 PyTorch 框架的开源项目，旨在为开发者提供在 CIFAR-100 数据集上进行图像分类模型训练与评估的一站式实践平台。它有效解决了研究人员和学生在复现经典深度学习网络时，往往需要从零编写数据加载、模型构建及训练流程的痛点，让用户能直接聚焦于算法验证与性能对比。

该项目非常适合计算机视觉领域的初学者、高校学生以及希望快速验证新想法的算法工程师使用。其核心亮点在于集成了极其丰富的主流卷积神经网络架构，涵盖从经典的 VGG、GoogleNet、ResNet 系列，到高效的 MobileNet、ShuffleNet，再到先进的 SENet、NasNet 等二十余种模型。用户只需通过简单的命令行参数即可切换不同网络进行 GPU 加速训练，并支持 TensorBoard 可视化监控。此外，项目还提供了暖启动（warmup）等训练策略选项，帮助模型在早期阶段更稳定地收敛。作为一个纯粹的教学与实验工具，pytorch-cifar100 代码结构清晰，未引入复杂的技巧干扰，是理解现代 CNN 架构设计与掌握 PyTorch 训练流程的理想起点。

使用场景

某高校计算机视觉实验室的研究生李明，正致力于研究不同注意力机制在细粒度图像分类任务中的性能差异。

没有 pytorch-cifar100 时

重复造轮子耗时：为了对比 SENet、Residual Attention Network 和 NASNet 等十几种架构，李明需要逐一查找原始论文代码，并花费数周时间将它们统一重构为 PyTorch 版本，极易引入实现错误。
数据预处理繁琐：手动编写 CIFAR-100 数据集的加载与增强模块，需反复调试以确保归一化参数和增强策略与主流基准一致，分散了研究精力。
实验监控缺失：缺乏集成的 TensorBoard 支持，难以直观对比不同模型在训练过程中的收敛曲线和准确率变化，调参如同“盲人摸象”。
基线复现困难：由于缺少标准化的训练脚本和预置超参数，难以在相同环境下公平复现经典模型（如 WideResNet 或 DenseNet）的基准性能。

使用 pytorch-cifar100 后

一键切换架构：通过简单的 -net 参数（如 seresnet50 或 attention92），即可瞬间切换并训练超过 20 种主流网络，将环境搭建时间从数周缩短至几小时。
开箱即用的数据流：工具内置了基于 torchvision 的标准 CIFAR-100 数据模块，直接提供合规的数据加载与增强流程，确保实验起点的规范性。
可视化训练洞察：集成 TensorBoard 接口，实时展示损失下降与精度提升曲线，帮助李明快速定位过拟合或发散问题，高效调整学习率与 Warmup 策略。
标准化基准对比：所有模型共享统一的训练与测试脚本（train.py/test.py），消除了代码实现差异带来的干扰，使注意力机制的真实性能对比更加可信。

pytorch-cifar100 将研究人员从繁琐的工程实现中解放出来，使其能专注于算法创新与核心实验验证。

运行环境要求

操作系统

未说明

GPU

可选（支持通过 -gpu 参数启用），需 NVIDIA GPU 且安装 CUDA 10.1 (cu101)，显存需求取决于模型大小（如训练 ResNet152 或 Attention92 等大模型建议较大显存，小模型如 MobileNet 可降低要求）

内存

未说明（文中提及若显存不足可将 batchsize 从 128 降至 64）

依赖

notes该项目基于 CIFAR-100 数据集进行实验。默认使用 torchvision 自动下载数据集。训练时支持多种网络架构（如 VGG, ResNet, DenseNet 等），可通过命令行参数指定。若不使用 GPU 可移除 -gpu 参数。作者提供了两种超参数设置方案，默认训练 200 个 epoch，batchsize 为 128；若显存不足可调整为 64。最佳模型权重默认保存在 checkpoint 文件夹中，后缀为 'best'。

python3.6

pytorch==1.6.0+cu101

tensorboard==2.2.2 (可选)

快速开始

Pytorch-cifar100

使用 PyTorch 在 CIFAR-100 数据集上进行实践

需求

这是我的实验环境：

Python 3.6
PyTorch 1.6.0+cu101
TensorBoard 2.2.2（可选）

使用方法

1. 进入目录

$ cd pytorch-cifar100

2. 数据集

我将使用 torchvision 中的 CIFAR-100 数据集，因为它更方便。不过，我也在 dataset 文件夹中保留了编写自定义数据集模块的示例代码，供不了解如何编写数据集的人参考。

3. 运行 TensorBoard（可选）

安装 TensorBoard：

$ pip install tensorboard
$ mkdir runs
运行 TensorBoard：
$ tensorboard --logdir='runs' --port=6006 --host='localhost'

4. 训练模型

你需要通过命令行参数 -net 指定要训练的网络。

# 使用 GPU 训练 VGG16
$ python train.py -net vgg16 -gpu

有时，你可能希望通过设置 -warm 参数为 1 或 2 来进行预热训练，以防止在网络训练初期发生发散。

支持的网络参数如下：

squeezenet
mobilenet
mobilenetv2
shufflenet
shufflenetv2
vgg11
vgg13
vgg16
vgg19
densenet121
densenet161
densenet201
googlenet
inceptionv3
inceptionv4
inceptionresnetv2
xception
resnet18
resnet34
resnet50
resnet101
resnet152
preactresnet18
preactresnet34
preactresnet50
preactresnet101
preactresnet152
resnext50
resnext101
resnext152
attention56
attention92
seresnet18
seresnet34
seresnet50
seresnet101
seresnet152
nasnet
wideresnet
stochasticdepth18
stochasticdepth34
stochasticdepth50
stochasticdepth101

通常，准确率最高的权重文件会被保存到磁盘，文件名后缀为 best（默认保存在 checkpoint 文件夹中）。

5. 测试模型

使用 test.py 测试模型：

$ python test.py -net vgg16 -weights path_to_vgg16_weights_file

已实现的网络

VGG 用于大规模图像识别的非常深的卷积神经网络
GoogLeNet 深入卷积
Inceptionv3 重新思考计算机视觉中的 Inception 架构
Inceptionv4、Inception-ResNet-v2 Inception-v4、Inception-ResNet 以及残差连接对学习的影响
Xception Xception：深度可分离卷积的深度学习
ResNet 用于图像识别的深度残差学习
ResNeXt 深度神经网络的聚合残差变换
ResNet in ResNet ResNet in ResNet：残差架构的泛化
DenseNet 密集连接的卷积网络
ShuffleNet ShuffleNet：一种极其高效的移动设备用卷积神经网络
ShuffleNet v2 ShuffleNet v2：高效 CNN 架构设计的实用指南
MobileNet 用于移动视觉应用的高效卷积神经网络
MobileNet v2 MobileNet v2：倒置残差与线性瓶颈
残差注意力网络用于图像分类的残差注意力网络
SENet 挤压与激励网络
SqueezeNet SqueezeNet：AlexNet 级别的精度，参数减少 50 倍，模型大小小于 0.5MB
NASNet 学习可迁移的架构以实现可扩展的图像识别
宽残差网络宽残差网络
随机深度网络具有随机深度的深层网络

训练细节

我没有使用任何提高准确率的训练技巧。如果你想了解更多关于训练技巧的内容，请参考我的另一个仓库 Bag_of_Tricks_for_Image_Classification_with_Convolutional_Neural_Networks，其中包含了各种常见的训练技巧及其 PyTorch 实现。

我遵循了论文通过 Cutout 改进卷积神经网络的正则化中的超参数设置：初始学习率为 0.1，在第 60、120 和 160 个 epoch 时分别除以 5，训练 200 个 epoch，批量大小为 128，权重衰减为 5e-4，Nesterov 动量为 0.9。你也可以使用论文通过惩罚置信的输出分布来正则化神经网络和随机擦除数据增强中的超参数：初始学习率为 0.1，在第 150 和 225 个 epoch 时分别除以 10，训练 300 个 epoch，批量大小为 128，这种方式更为常见。如果你的 GPU 显存不足，可以将批量大小降低到 64 或其他适合你的值。

你可以选择是否使用 TensorBoard 来可视化训练过程。

结果

这是我从某个模型中得到的结果。由于我对所有网络都使用了相同的超参数进行训练，因此有些网络可能无法通过这些超参数达到最佳效果。你可以尝试自己调整超参数，以获得更好的结果。

数据集	网络	参数量	top1错误率	top5错误率	学习率为0.1时的训练轮数	学习率为0.02时的训练轮数	学习率为0.004时的训练轮数	学习率为0.0008时的训练轮数	总训练轮数
cifar100	mobilenet	3.3M	34.02	10.56	60	60	40	40	200
cifar100	mobilenetv2	2.36M	31.92	09.02	60	60	40	40	200
cifar100	squeezenet	0.78M	30.59	8.36	60	60	40	40	200
cifar100	shufflenet	1.0M	29.94	8.35	60	60	40	40	200
cifar100	shufflenetv2	1.3M	30.49	8.49	60	60	40	40	200
cifar100	vgg11_bn	28.5M	31.36	11.85	60	60	40	40	200
cifar100	vgg13_bn	28.7M	28.00	9.71	60	60	40	40	200
cifar100	vgg16_bn	34.0M	27.07	8.84	60	60	40	40	200
cifar100	vgg19_bn	39.0M	27.77	8.84	60	60	40	40	200
cifar100	resnet18	11.2M	24.39	6.95	60	60	40	40	200
cifar100	resnet34	21.3M	23.24	6.63	60	60	40	40	200
cifar100	resnet50	23.7M	22.61	6.04	60	60	40	40	200
cifar100	resnet101	42.7M	22.22	5.61	60	60	40	40	200
cifar100	resnet152	58.3M	22.31	5.81	60	60	40	40	200
cifar100	preactresnet18	11.3M	27.08	8.53	60	60	40	40	200
cifar100	preactresnet34	21.5M	24.79	7.68	60	60	40	40	200
cifar100	preactresnet50	23.9M	25.73	8.15	60	60	40	40	200
cifar100	preactresnet101	42.9M	24.84	7.83	60	60	40	40	200
cifar100	preactresnet152	58.6M	22.71	6.62	60	60	40	40	200
cifar100	resnext50	14.8M	22.23	6.00	60	60	40	40	200
cifar100	resnext101	25.3M	22.22	5.99	60	60	40	40	200
cifar100	resnext152	33.3M	22.40	5.58	60	60	40	40	200
cifar100	attention59	55.7M	33.75	12.90	60	60	40	40	200
cifar100	attention92	102.5M	36.52	11.47	60	60	40	40	200
cifar100	densenet121	7.0M	22.99	6.45	60	60	40	40	200
cifar100	densenet161	26M	21.56	6.04	60	60	60	40	200
cifar100	densenet201	18M	21.46	5.9	60	60	40	40	200
cifar100	googlenet	6.2M	21.97	5.94	60	60	40	40	200
cifar100	inceptionv3	22.3M	22.81	6.39	60	60	40	40	200
cifar100	inceptionv4	41.3M	24.14	6.90	60	60	40	40	200
cifar100	inceptionresnetv2	65.4M	27.51	9.11	60	60	40	40	200
cifar100	xception	21.0M	25.07	7.32	60	60	40	40	200
cifar100	seresnet18	11.4M	23.56	6.68	60	60	40	40	200
cifar100	seresnet34	21.6M	22.07	6.12	60	60	40	40	200
cifar100	seresnet50	26.5M	21.42	5.58	60	60	40	40	200
cifar100	seresnet101	47.7M	20.98	5.41	60	60	40	40	200
cifar100	seresnet152	66.2M	20.66	5.19	60	60	40	40	200
cifar100	nasnet	5.2M	22.71	5.91	60	60	40	40	200
cifar100	wideresnet-40-10	55.9M	21.25	5.77	60	60	40	40	200
cifar100	stochasticdepth18	11.22M	31.40	8.84	60	60	40	40	200
cifar100	stochasticdepth34	21.36M	27.72	7.32	60	60	40	40	200
cifar100	stochasticdepth50	23.71M	23.35	5.76	60	60	40	40	200
cifar100	stochasticdepth101	42.69M	21.28	5.39	60	60	40	40	200

PyTorch-CIFAR100 快速上手指南

本指南帮助开发者快速在 CIFAR-100 数据集上使用 PyTorch 复现经典深度学习网络。

环境准备

在开始之前，请确保您的开发环境满足以下要求：

操作系统: Linux / macOS / Windows
Python: 3.6 及以上版本
PyTorch: 1.6.0+ (推荐搭配 CUDA 10.1 或更高版本)
可选依赖: TensorBoard 2.2.2+ (用于可视化训练过程)

国内加速建议：安装 PyTorch 时，推荐使用清华或中科大镜像源以加快下载速度：
pip install torch torchvision -i https://pypi.tuna.tsinghua.edu.cn/simple

安装步骤

克隆项目代码

git clone https://github.com/weiaicunzai/pytorch-cifar100.git
cd pytorch-cifar100

安装依赖包 如果项目中包含 requirements.txt，请直接安装；若无，请手动安装核心依赖：
```
pip install tensorboard -i https://pypi.tuna.tsinghua.edu.cn/simple
```
(注：CIFAR-100 数据集会在首次运行时通过 torchvision 自动下载)
创建日志目录（可选） 如果需要使用 TensorBoard 监控训练，需预先创建日志文件夹：
```
mkdir runs
```

基本使用

1. 启动 TensorBoard（可选）

在训练前或训练中，开启一个新的终端窗口运行以下命令以查看实时指标：

tensorboard --logdir='runs' --port=6006 --host='localhost'

随后在浏览器访问 http://localhost:6006。

2. 训练模型

使用 train.py 脚本进行训练。您需要指定网络架构（-net），若拥有 GPU 可添加 -gpu 参数。

示例：使用 GPU 训练 VGG16

python train.py -net vgg16 -gpu

常用技巧：

Warmup 训练：为防止训练初期网络发散，可设置 -warm 参数（设为 1 或 2）：
```
python train.py -net resnet50 -gpu -warm 2
```
支持的网络架构：通过 -net 参数指定，包括但不限于： vgg16, resnet18, resnet50, densenet121, mobilenet, shufflenetv2, seresnet50, inceptionv3 等（详见原项目支持的完整列表）。

训练完成后，精度最高的模型权重将默认保存为 checkpoint/{net_name}_best.pth。

3. 测试模型

使用 test.py 脚本加载预训练权重进行评估。

示例：测试 VGG16 模型

python test.py -net vgg16 -weights checkpoint/vgg16_best.pth

训练策略说明：默认超参数参考了 Cutout 论文设置：初始学习率 0.1，在第 60、120、160 个 epoch 除以 5，共训练 200 个 epoch，Batch Size 为 128。若显存不足，可适当减小 Batch Size。

常见问题

为什么模型中没有包含 Softmax 层？这会影响测试准确率吗？

训练时 GPU 利用率很低（例如只有 10%），如何提高利用率？

代码支持多 GPU 训练吗？如果不支持如何修改？

是否有预训练好的模型权重文件可以下载？

运行时报错 KeyError: 'runs\\vgg16\\...' (tensorboardX path 错误) 如何解决？

在 train.py 中使用命令行传入 `-gpu False` 时，程序仍认为使用了 GPU，为什么？

表格中的最终结果是取 200 个 epoch 中的最高准确率，还是第 200 个 epoch 的结果？

为什么我跑出的 ResNet50 结果远好于作者表格里的结果？

相似工具推荐

openclaw

OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你

★ 349.3k|★★★☆☆|1周前

Agent开发框架图像

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。

★ 162.1k|★★★☆☆|1周前

开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上

★ 153.6k|★★☆☆☆|今天

开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。

★ 108.3k|★★☆☆☆|3天前

开发框架图像Agent

gemini-cli

gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。

★ 100.8k|★★☆☆☆|3天前

插件Agent图像

markitdown

MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器

★ 93.4k|★★☆☆☆|1周前

插件开发框架