Add 06

06. cifar-10-convolutional-network-implementation/README.md

+# CIFAR10图像识别问题的卷积神经网络实践
+
+按课程案例，动手完成编编码实践。
+
+可尝试采用不同的学习率、单批次样本数、训练轮数等超参数，或是改变模型结构（例如：增加卷积层、池化层或全连接层的数量）让模型的准确率达到70%。
+
+提交要求：
+
+1、你认为最优的一次带运行结果的源代码文件（.ipynb 格式）
+
+2、作为附件上传
+
+评分标准：
+
+1、完成CIFAR10图像识别问题的卷积神经网络的建模与应用（必须采用卷积神经网络），有完整的代码，模型能运行，准确率达60%以上；得6分；每下降一个百分点，少得1分；
+
+2、准确率达65%以上；再得2分，否则再得0分；
+
+3、准确率到70%以上；再得2分，否则再得0分；
+
+4、之所以只提70%的准确率作为满分的标准，不是说只能达到这个识别率，而是考虑同学们设备的算力和时间，有GPU的会很快，如果只是CPU的还是需要一些时间的。
\ No newline at end of file