CIFAR-10 CNN 分类模型优化

在 CIFAR-10 上实现高性能图像分类，通过多种正则化手段有效控制过拟合。

方法亮点

• 深度 CNN 架构（3 个卷积块 + BatchNorm + Dropout）
• 5 种防过拟合策略：数据增强、Dropout、L2 正则、早停、学习率自适应衰减
• 完整训练-验证-保存-评估流程

结果

• 验证准确率：91.35%
• 训练 vs 验证准确率差距：-0.02%（几乎无过拟合）