# Image_Classify_WebGUI_CIFAR10

**Repository Path**: primusmj/image_-classify_-web-gui_-cifar10

## Basic Information

- **Project Name**: Image_Classify_WebGUI_CIFAR10
- **Description**: ✨ 基于卷积神经网络(CNN)和CIFAR10数据集的图像智能分类 Web 应用✨📌含在线demo：图像分类可视化界面，快速部署深度学习模型为网页应用，Web预测系统，决策支持系统(DSS)，图像分类前端网页，图像分类Demo展示-Pywebio。AI人工智能图像分类-Pytorch。CIFAR10数据集，小模型。100%纯Python代码，轻量化，易复现
- **Primary Language**: Unknown
- **License**: MIT
- **Default Branch**: master
- **Homepage**: http://www.bytesc.top
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 3
- **Created**: 2025-07-30
- **Last Updated**: 2025-07-30

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Image_Classify_WebGUI_CIFAR10

✨ **基于卷积神经网络(CNN)和 CIFAR10 数据集的图像智能分类**：图像分类可视化界面，图像分类前端网页，图像分类Demo展示-Pywebio。AI人工智能图像分类-Pytorch。CIFAR10数据集，小模型。100%纯Python代码，轻量化，易复现 

[English Readme](./README.en.md)🚩

[个人网站：www.bytesc.top](http://www.bytesc.top) 包含项目在线演示。

[个人博客：blog.bytesc.top](http://blog.bytesc.top)

🔔 如有项目相关问题，欢迎在本项目提出`issue`，我一般会在 24 小时内回复。

## 项目简介
* 1, 使用pytorch实现CIFAR10数据集图片的智能分类
* 2, 使用小模型，轻量化，76%准确率
* 3，使用pywebio作为web可视化框架，无需前端语言，使用纯python编写。轻量化，易复现，易部署

使用的网络结构
![image](./readme_static/readme_img/net.png)

## 效果截图
![image](./readme_static/readme_img/1.png)
![image](./readme_static/readme_img/2.png)
![image](./readme_static/readme_img/3.png)

## 如何使用
python版本3.9

先安装依赖
> pip install -r requirement.txt

modelDemo.py是项目入口，运行此文件即可启动服务器
> python modelDemo.py

复制链接到浏览器打开
![image](./readme_static/readme_img/p1.png) 
点击”Demo“即可进入Web界面
![image](./readme_static/readme_img/p2.png)

之后，也可以点击“上传文件”，选择example_img文件夹内图片文件上传测试

## 项目结构
```
└─Image_Classify_WebGUI_CIFAR10
    ├─data
    │  └─logs_import 
    ├─example_img
    ├─process
    │  └─logs
    └─readme_static
```
* data文件夹存放部分静态资源，包括训练好的模型.pth
* process文件夹存放一些过程文件，包括模型的训练程序等
* readme_static存放readme文档中用的静态资源
* example_img文件夹内存放了一些图片，可用于测试

# 开源许可证

此翻译版本仅供参考，以 LICENSE 文件中的英文版本为准

MIT 开源许可证：

版权所有 (c) 2023 bytesc

特此授权，免费向任何获得本软件及相关文档文件（以下简称“软件”）副本的人提供使用、复制、修改、合并、出版、发行、再许可和/或销售软件的权利，但须遵守以下条件：

上述版权声明和本许可声明应包含在所有副本或实质性部分中。

本软件按“原样”提供，不作任何明示或暗示的保证，包括但不限于适销性、特定用途适用性和非侵权性。在任何情况下，作者或版权持有人均不对因使用本软件而产生的任何索赔、损害或其他责任负责，无论是在合同、侵权或其他方面。