使用CNN对cifar-10数据集进行读取和分类

(学习笔记02) CNN对CIFAR-10图像数据集分类(tensorflow) (学习笔记02) CNN对CIFAR-10图像数据集分类(tensorflow) 本节将继续写学习机器学习的分类开发应用,我们将使用卷积神经网络对CIFAR-10数据集进行图像分类。 CIFAR-10数据集介绍 CIFAR-10 数据集共有60000张彩色图像,这些图像大小为32×32,分为10个类,每类6000张图。 总数量 图片尺寸 训练集数量 测试集数量 60000 32×32 50000 10000 整个数据集被分为5个training batches 和 1个test bat 阅读详情

WEEK2报告

数据来源

cifar-10数据集说明和下载地址

数据集展示

整体结构:5000万张训练集,1000张测试集
在这里插入图片描述
单个图片size:32323
在这里插入图片描述

CNN网络结构

在这里插入图片描述

分类结果

测试集精度:0.78
7)(https://imgchr.com/i/eJC75V)]

read data_batch_1
has trained 1000 datas, accuracy = 0.21
has trained 2000 datas, accuracy = 0.27
has trained 3000 datas, accuracy = 0.27
has trained 4000 datas, accuracy = 0.37
has trained 5000 datas, accuracy = 0.34
has trained 6000 datas, accuracy = 0.4
has trained 7000 datas, accuracy = 0.38
has trained 8000 datas, accuracy = 0.37
has trained 9000 datas, accuracy = 0.46
has trained 10000 datas, accuracy = 0.47
read data_batch_2
has trained 11000 datas, accuracy = 0.46
has trained 12000 datas, accuracy = 0.44
has trained 13000 datas, accuracy = 0.44
has trained 14000 datas, accuracy = 0.5
has trained 15000 datas, accuracy = 0.49
has trained 16000 datas, accuracy = 0.45
has trained 17000 datas, accuracy = 0.41
has trained 18000 datas, accuracy = 0.47
has trained 19000 datas, accuracy = 0.64
has trained 20000 datas, accuracy = 0.46
read data_batch_3
has trained 21000 datas, accuracy = 0.53
has trained 22000 datas, accuracy = 0.63
has trained 23000 datas, accuracy = 0.54
has trained 24000 datas, accuracy = 0.54
has trained 25000 datas, accuracy = 0.51
has trained 26000 datas, accuracy = 0.6
has trained 27000 datas, accuracy = 0.54
has trained 28000 datas, accuracy = 0.57
has trained 29000 datas, accuracy = 0.52
has trained 30000 datas, accuracy = 0.57
read data_batch_4
has trained 31000 datas, accuracy = 0.5
has trained 32000 datas, accuracy = 0.56
has trained 33000 datas, accuracy = 0.59
has trained 34000 datas, accuracy = 0.54
has trained 35000 datas, accuracy = 0.57
has trained 36000 datas, accuracy = 0.59
has trained 37000 datas, accuracy = 0.59
has trained 38000 datas, accuracy = 0.59
has trained 39000 datas, accuracy = 0.54
has trained 40000 datas, accuracy = 0.69
read data_batch_5
has trained 41000 datas, accuracy = 0.62
has trained 42000 datas, accuracy = 0.57
has trained 43000 datas, accuracy = 0.58
has trained 44000 datas, accuracy = 0.53
has trained 45000 datas, accuracy = 0.62
has trained 46000 datas, accuracy = 0.58
has trained 47000 datas, accuracy = 0.53
has trained 48000 datas, accuracy = 0.66
has trained 49000 datas, accuracy = 0.54
has trained 50000 datas, accuracy = 0.67
training complicated!
test data accuracy = 0.78
runing time:  387.4479079246521

文件结构

在这里插入图片描述

代码

功能:
读取,格式化数据集

# -*- coding: utf-8 -*-
python 手动读取cifar10_pytorch构建CNN对cifar10识别 训练一个分类器上一讲中已经看到如何去定义一个神经网络(构造一个类,前向传播,后向传播),计算损失值和更新网络的权重。 你现在可能在想下一步。关于数据?一般情况下处理图像、文本、音频和视频数据时,可以使用标准的Python包来加载数据到一个numpy数组中。 然后把这个数组转换成torch.*Tensor。图像可以使用 Pillow, OpenCV音频可以使用 scipy, librosa文本可以使... 阅读详情

相关推荐

深度学习caffe实战笔记(14)MATLAB实现可视化cifar10数据集

上一篇博客介绍了如何利用MATLAB实现mnist数据集可视化,这篇博客介绍如何使用MATLAB可视化cifar10数据集,MATLAB代码是《深度学习21天实战caffe》里的,所以感谢赵永科老师。另外我注意到,cifar10有MATLAB版本的,有python版本的,还有bin版本的,MATLAB和python版本的可视化参考: http://blog.youkuaiyun.com/zengxyuyu/a

gybheroin的博客 4563

【卷积神经网络】构建对CIFAR-100数据集中的图像进行分类的CNN

参考: Cifar100 TensorFlow高精度调参记录 cifar算法动物园(各类网络解决cifar分类) pytorch实现cifar100的 各类网络结构 前言:  CIFAR-100数据集的网络 网上的版本很多,有些跑起来也还可以,但是大多数都只能到40-50%左右的正确率。  有大佬做了各种网络,调好了参数,能达到80%左右的正确率。但是这里只是个小作业,希望用不要太复杂,不要太深的网络,最好在一小时内就能看到结果的,所以参照大佬的作品写了简化版本,能在50个epoch内达到60%左右正确

清凌的博客 1万+

Python从0到100(八十四):神经网络-卷积神经网络训练CIFAR-10数据集

CIFAR-10 数据集由 10 个类的60000 张 32x32彩色图像组成,每类6000张图像。有50000张训练图像和10000张测试图像。数据集分为5个训练批次和1个测试批次,每个批次有10000张图像。测试批次正好包含从每个类中随机选择的 1000 张图像。训练批次以随机顺序包含剩余的图像,但某些训练批次可能包含来自一个类的图像多于另一个类的图像。在它们之间,训练批次正好包含来自每个类的 5000 张图像。32×32 RGB图像 ,数据集本身是 BGR 通道。

拥有百余位万粉技术博主、200余位可合作代发博主,私域技术社群规模达千人,商务合作私信 1万+

美亚杯取证比赛必备:Veracrypt挂载+检材解压保姆级教程(附常见错误排查)

本文提供美亚杯数字取证竞赛的Veracrypt挂载与检材解压保姆级教程。详细解析从分卷压缩包解压(密码格式为MeiyaCup+年份)到使用Veracrypt正确挂载加密容器的全流程,并附有常见错误排查与高级应急方案,帮助选手高效突破技术门槛,顺利进入取证分析阶段。

alice7model的博客 1043

告别时钟树平衡噩梦:在Innovus中巧妙设置stop/ignore pin来优化分段时钟网络

本文深入探讨了在Innovus工具中利用stop/ignore pin优化分段时钟树网络的高阶技巧。针对数字IC后端设计中的时钟树平衡难题,详细解析了特殊引脚属性的战略应用场景和配置方法,帮助工程师有效解决SoC设计中复杂的时钟结构问题,显著提升时序收敛效率。

weixin_30836759的博客 293

博图编写温度程序_s7 smart200的CRC-16校验程序

最近做一个小项目,项目中采用485自由口通讯方式,使用一台西门子S7 smart200对一台冷水机做多个状态和温度做监控,并能对冷水机进行启停控制,和参数设置,因为冷水机的协议不是标准modbus格式,所以要自己编写通信协议。其中要用到CRC校验,在网上找了些别人写的程序,基本上用不了。只能自力更生了。首先,找到CRC校验的算法,并理解。 下面就是我找的算法(这个网上很多),1....

weixin_39539761的博客 3062

用OpenIPC复活你的旧摄像头:手把手教你给君正T31芯片设备刷开源固件

本文详细介绍了如何使用OpenIPC项目为君正T31芯片的旧摄像头刷入开源固件,解锁更多功能并延长设备寿命。从硬件识别、风险控制到详细刷机步骤和后期配置,手把手教你将闲置摄像头改造为智能监控设备,实现隐私可控、功能扩展等优势。

weixin_30790841的博客 769

MATLAB下pdf文件操作读取示例

当遇到一些需要大量数据的项目,数据的读取与储存显得尤为重要。怎样把数据从其他格式的文件中读取,并运用到程序中是很多时候我们要解决的问题。对于平常的.txt,和.xlsx文件,MATLAB有对应的函数帮助读取,但是遇到pdf文件时MATLAB很难读取内容。本文以一个操作实例提供了一个从pdf文件中读取数据的方法。

UESTC 五高考3模拟的博客 6558

5、癌症数据预处理技术与深度学习在癌症预测中的应用

本文详细介绍了癌症数据预处理技术和深度学习在癌症预测中的应用。针对CT扫描图像、X射线图像、超声图像、基因表达数据和文本数据等不同类型的癌症数据,分别阐述了去噪、插值、配准、归一化等预处理技术的具体方法。同时,分析了深度学习在乳腺癌、白血病和宫颈癌预测中的作用,结合相关影响因素探讨了模型的应用潜力。此外,还总结了深度学习在癌症预测中面临的挑战及未来发展方向,为癌症的早期诊断与精准预测提供了理论支持和技术参考。

alice7model的博客 123

RICHARDSON-LUCY 去卷积简介

Lucy去卷积1.泊松过程及联合概率分布2.极大似然估计参考文献 1.泊松过程及联合概率分布 首先假设相机接收光子生成图像的过程符合泊松分布。 因此,一次曝光过程中,某像素位置接收到iii个光子的概率p(i)p(i)p(i)为: p(i)=exp⁡(−λ)⋅λii!\qquad\qquad p(i)=\exp(-\lambda)\cdot\cfrac{\lambda^{i}}{i!}p(i)=exp(−λ)⋅i!λi​ 那么针对一张M∗NM*NM∗N的图像,所有像素的联合概率分布可以描述为: P(I)=∏e

驽马十驾,功在不舍;锲而不舍,金石可镂。 8694

Buildroot RK3568系统中更改GPU驱动为:panfrost

1:Kernel中开启Panfrost 2:更新mesa 到mesa-24.0.2 3:查看/proc/interrupts 中的panfrost 中断 4:LInux启动日志 5:查看GPU负载

OpenWrt/WLAN/驱动/Android/嵌入式开发总结 2078

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表,创建专业级图表以简化复杂的信息。

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

上一篇: Notes-深度学习-Week1-2019_7_23
下一篇: SPF论文笔记与实验结果
Metralix
博客等级 码龄10年 6粉丝 75原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值