本文介绍了CIFAR-10数据集的详细信息，包括数据集的组成、下载和文件结构。通过转换图片格式，创建LMDB文件，并使用Caffe进行训练。在CPU模式下训练后的模型准确率为75%。进一步，文章讨论了使用ResNet20模型提升准确率至90%以上的方法，并提供了模型测试的步骤，展示了如何使用Caffe的Python接口进行预测。最后，作者指出CIFAR-10数据集训练的准确性对于实际应用可能不足，但适合学习和实验。
参考博客：http://blog.youkuaiyun.com/hongbin_xu/article/details/76407581
cifar10数据集:http://www.cs.toronto.edu/~kriz/cifar.html
CIFAR-10数据集包括由10个类别的事物，每个事物各有6000张彩色图像，每张图片的大小是32*32。
整个数据集被分成了5个训练集和1个测试集，各有10000张图片，即50000张图片用于训练，10000张图片用于测试（交叉验证）
下载数据
cd $CAFFE_ROOT
./data/cifar10/get_cifar10.sh下载完成后，$CAFFE_ROOT/data/cifar10下多出了一些文件：
训练集：
这5个文件就是分成了5份的那50000张图片:
最低0.47元/天 解锁文章
扫一扫
12万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
