11、深度学习数据集处理与数据增强指南

深度学习数据集处理与数据增强指南

1. 数据集介绍

在深度学习领域，数据集是模型训练的基础。这里主要介绍MNIST和CIFAR - 10两个标准数据集。

1.1 MNIST数据集

MNIST数据集由手写数字图像组成。由于这些图像都是像素数据，它们已经处于相同的尺度，因此不需要进行标准化处理。虽然在使用时可能会对其进行缩放，但目前可以将它们以字节灰度图像的形式存储在磁盘上。该数据集的分布较为均衡，以下是训练集的数字频率分布：
| 数字 | 数量 |
| — | — |
| 0 | 5,923 |
| 1 | 6,742 |
| 2 | 5,958 |
| 3 | 6,131 |
| 4 | 5,842 |
| 5 | 5,421 |
| 6 | 5,918 |
| 7 | 6,265 |
| 8 | 5,851 |
| 9 | 5,949 |

由于数据分布均衡，我们无需担心数据不平衡的问题。

1.2 CIFAR - 10数据集

CIFAR - 10是另一个标准的深度学习数据集，规模较小，无需大量的训练时间和GPU支持。可以使用Keras提取该数据集，首次请求时会自动下载。其源页面为：https://www.cs.toronto.edu/%7Ekriz/cifar.html 。

该数据集包含60,000张32×32像素的RGB图像，分为10个类别，每个类别有6,000个样本。其中，训练集有50,000张图像，测试集有10,000张图像。具体的类别标签和名称如下：
| 标