机器学习笔记 tensorflow实现在cifar10数据集上的cnn

主要是试着使用一下cifar-10数据集，cifar-10数据集为60000张32*32*3的彩色图片，总共有10个类别，其中50000张训练集，10000张测试集。

下载地址：http://www.cs.toronto.edu/~kriz/cifar.html

     

代码与google的例子和网上的版本大致相同，主要的区别是使用了cifar10的python版数据，自己写了一个读取和随机抽取数据的程序，网上的版本大多使用google的例子中的cifar10_input.py下的输入函数，会进行数据增强，自己手写的没有数据增强，google例子中使用Session读取数据我跑的时候会卡住，网上说Session效率极低。

下面先给出这部分的代码，我将读取数据相关的程序写在了input.py中

import pickle
import numpy as np
import random


def load(file_name):
    with open(file_name, 'rb') as fo:
        data = pickle.load(fo, encoding='bytes')
        return data


def get_train():
    data1 = load('D:\IDE\Project\Pycharm_Project\Cifar10_Project\cifar-10-batches-py\data_batch_1')
    x1 = np.array(data1[b'data'])
    x1 = x1.reshape(-1, 32, 32, 3)
    y1 = np.array(data1[b'labels'])
    data2 = load('D:\IDE\Project\Pycharm_Project\Cifar10_Project\cifar-10-batches-py\data_batch_2')
    x2 = np.array(data2[b'data'])
    x2 = x2.reshape(-1, 32, 32, 3)
    y2 = np.array(data2[b'labels'])
    train_data = np.r_[x1, x2]
    train_labels = np.r_[y1, y2]
    data3 = load('D:\IDE\Project\Pycharm_Project\Cifar10_Project\cifar-10-batches-py\data_batch_3')
    x3 = np.array(data3[b'data'])