Clasificación de imágenes CIFAR-10 con CNN

Este proyecto implementa dos Redes Neuronales Convolucionales (CNN) para clasificar imágenes del dataset CIFAR-10:

• TensorFlow/Keras: Usa ImageDataGenerator para el aumento de datos y Dropout para la regularización. Guarda el modelo en formato SavedModel.
• PyTorch: Implementa una CNN con capas convolucionales, pooling y capas totalmente conectadas. Guarda el modelo en formato .pth.

Requisitos

• Python 3.x
• TensorFlow
• Keras
• PyTorch
• Torchvision
• Matplotlib (opcional)

Instrucciones

1. Clona este repositorio.
2. Instala las dependencias necesarias usando pip install -r requirements.txt (crea un archivo requirements.txt con las bibliotecas necesarias).
3. Ejecuta el notebook de Colab para entrenar y evaluar los modelos.
4. Los modelos entrenados se guardarán en:
   • TensorFlow/Keras: /content/mymodel.keras
   • PyTorch: /content/mymodelavanzedobjetc_pytorch.pth

Resultados

• TensorFlow/Keras: Precisión en el conjunto de prueba: 57%
• PyTorch: Precisión en el conjunto de prueba: 74%

Comentarios y sugerencias

Este proyecto es un trabajo en progreso y se agradece cualquier comentario o sugerencia para mejorarlo. No dudes en abrir un issue o enviar un pull request si tienes alguna idea o encuentras algún error.

Próximos pasos

• Explorar diferentes hiperparámetros para mejorar el rendimiento.
• Añadir visualizaciones de las predicciones y las características aprendidas.
• Implementar otras arquitecturas de CNN.