CIFAR-10与ImageNet图像识别

        这次的实验仍旧是图像识别，使用的数据集是CIFAR-10，其中包含10个类别的RGB彩色图片：飞机、汽车、鸟类、猫、鹿、狗、蛙类、马、船和卡车，其中训练图片共50000张，测试图片共10000张。实验来自于《21个项目玩转深度学习：基于TensorFlow的实践详解》一书中的实验，在这里做一篇学习笔记，笔者不才，欢迎斧正！

         项目文件如下：  。其中，

一、下载CIFAR-10数据

         运行cifar10_download.py代码，成功将数据集下载到目录中。

        可以看到数据集中数据文件名及用途：

二、Tensorflow的数据读取机制

读取数据集必须考虑的一个问题：GPU/CPU因为I/O而空闲的问题

        简单地将图片数据集从内存中读进CPU或GPU中进行计算，读取的时间便意味在降低内存的效率。为了解决这个问题，方法即将读入数据和计算分别放在两个线程中，先将数据读入内存队列中。读取线程负责读入数据到内存队列，另一个线程则负责计算，计算需要数据时直接从内存队列中取即可。

Tensorflow使用“文件名队列+内存队列”双队列的形式读入文件，更好的管理epoch。

        对于一个数据集来讲，运行一个epoch就是将这个数据集中的图片全部计算一遍。运行一个epoch，就在文件名队列中把A、B、C各放入一次，并在之后标注队列结束。

        程序运行后，内存先读取A，再依次读取B、C。

          

        由于系统检测到“结束”，则自动抛出异常，外部捕捉到这个异常后就可以结束程序了。这就是Tensorflow中读取数据的基本机制。如果要运行两个epoch，那么只要在文件名队列中将A、B、C依次放入两次再标记结束就可以了。

在Tensorflow中创建文件名队列和内存队列

        使用tf.train.st