深度学习中使用的数据集介绍

1.mnist数据集

训练集：60000张灰色图像，大小28*28，共10类（0-9）

测试集：10000张灰色图像，大小28*28

from keras.datasets import mnist
 
(x_train, y_train), (x_test, y_test) = mnist.load_data()

x_train, x_test: 参数规格分别为(60000, 28, 28)和(10000, 28, 28)。
y_train, y_test: 数字标签(0-9)，参数规格分别为(60000,)和(10000,)

数据下载地址：http://yann.lecun.com/exdb/mnist/
 

2.CIFAR-10数据集

CIFAR-10来自于80 million张小型图片的数据集，如下：

总数	色彩	图片尺寸	类别数	训练集	测试集
60000张	RGB	32*32	10类	50000张	10000张

整个数据集被分为5个training batches和1个test batch。test batch：随机从每类选择10000张图片组成，training batches：从剩下的图片中随机选择，但每类的图片不是平均分给batch的，总数为50000张图片，这些类别是完全互斥的。

数据下载链接：http://www.cs.toronto.edu/~kriz/cifar.html

解压后的文件包括：

下面是python3来打开文件，每个batch文件转换为dictonary：

def unpickle(file):
    import pickle
    with open(file, 'rb&#