一、CIFAR-10简介
CIFAR-10数据集包含10个类别,共计60000张 32x32 3通道彩色图像。其中每个类别包含6000张图像:训练图像50000张,测试图像10000张。
数据集被分为五个训练批次和一个测试批次。每个测试批次有10000张图像,为每个类别各随机挑出1000张构成;训练批次为随机打乱的剩余图像。某些训练批次可能出现一个类型的图像多于另一个类型的情况,但总体而言,训练批次包含每个类型恰好5000张。
二、说明
图片原格式为32*32 3通道
- 第一次卷积:卷积核大小为33,输出3232 32通道
- 第一次池化:最大值池化,输出为16*16 32通道
- 第二次卷积:卷积核大小为33,输出为1616 64通道
- 第二次池化:最大值池化,输出为8*8 64通道
全连接层:输入为8*8*64=4096个特征值,隐藏层(一层)包含128条神经元,输出包含10种标签值,经过了one-hot编码
(本项目每一轮会自动保存模型,支持中断后继续训练)
三、测试环境
- python 版本:3.6
- tensorflow版本:1.6.0
- 系统环境:windows 10 64位 + Visual Studio code
四、资料下载
- CIFAR-10官网:http://www.cs.toronto.edu/~kriz/cifar.html
- 项目代码(附CIFAR-10数据集): https://pan.baidu.com/s/1T_yC2E60jm9ptjS-CSUPPQ 提取码:0nbg
五、源代码
1 | import urllib.request |