CIFAR-10 训练与测试

lynnestt

于 2017-10-27 15:13:32 发布

阅读量1.6k

点赞数

CC 4.0 BY-SA版权

分类专栏： caffe 深度学习文章标签： caffe cifar10

本文链接：https://blog.youkuaiyun.com/Quinn07/article/details/78365223

本文介绍了CIFAR-10数据集的准备，包括50000张训练图像和10000张测试图像。通过Caffe构建的卷积神经网络模型进行训练，得到了75%的准确率。同时，文章还讨论了如何使用Python接口进行模型预测，并解决了classify.py文件中均值计算错误和结果显示的问题。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

CIFAR-10 训练

Cifar-10是由Hinton的两个大弟子Alex Krizhevsky、Ilya Sutskever收集的一个用于普适物体识别的数据集。

本实验使用的数据集是CIFAR-10，一共有60000张32*32的彩色图像，其中50000张是训练集，另外10000张是测试集。数据集共有10个类别，分别如下所示

./data/cifar10/get_cifar10.sh  #下载二进制的cifar，并解压，会在/data/cifar10中出现很多batch文件
./examples/cifar10/create_cifar10.sh  #运行后将会在examples中出现数据集

CIFAR-10的卷积神经网络模型由卷积层，pooling层，ReLU，非线性变换层，局部对比归一化线性分类器组成。该模型定义在caffe/examples/cifar10/cifar10_quick_train_test.prototxt中。

我们使用CPU进行训练，所以将文件caffe/examples/cifar10/cifar10_quick_solver.

200万优质内容无限畅学