2. 机器学习实战之 CNN训练CIFAR10数据集

最新推荐文章于 2021-11-02 09:19:44 发布

坐看云起酱

最新推荐文章于 2021-11-02 09:19:44 发布

阅读量1.2k

点赞数 1

CC 4.0 BY-SA版权

分类专栏：机器学习文章标签：机器学习

本文链接：https://blog.youkuaiyun.com/weixin_42774933/article/details/106406451

本文介绍了CIFAR10数据集，包括其数据量、图像尺寸和类别分布，并详细讲述了数据加载、可视化、归一化与One hot编码的过程，最后讨论了模型建立与训练的步骤。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

CIFAR10 数据集介绍

CIFAR10数据集与MNIST都是入门级数据集，该数据集共有60000张彩色图像，这些图像是32*32，分为10个类，每类6000张图。这里面有50000张用于训练，构成了5个训练批，每一批10000张图；另外10000用于测试

数据加载

import tensorflow as tf
from keras.datasets import cifar10
import matplotlib.pyplot as plt 
from keras.utils import to_categorical

(x_train, y_train), (x_test, y_test) = cifar10.load_data()
print(type(x_train))
print(x_train.size)
print(x_train.shape)
print(x_train[0,:,:,0])

print(x_test.shape)
print(y_train)

<class 'numpy.ndarray'>
153600000
(50000, 32,