TensorFlow深度学习进阶教程:TensorFlow实现CIFAR-10数据集测试的卷积神经网络
TensorFlow是一个非常强大的用来做大规模数值计算的库。其所擅长的任务之一就是实现以及训练深度神经网络。本教程使用的数据集是CIFAR-10,这是一个非常经典的数据集,包含60000张32×32的彩色图像,其中训练集50000张,测试集10000张。对CIFAR-10 数据集的分类是机器学习中一个公开的基准测试问题,其任务是对一组32x32RGB的图像进行分类,这些图像涵盖了10个类别:飞机, 汽车, 鸟, 猫, 鹿, 狗, 青蛙, 马, 船以及卡车。
想了解更多信息请参考CIFAR-10 page,以及Alex Krizhevsky写的技术报告。本教程适用于对Tensorflow有丰富经验的用户,并假定用户有机器学习相关领域的专业知识和经验。
在本教程中,我们将学到构建一个TensorFlow CNN模型的基本步骤,并将通过这些步骤为CIFAR-10T构建一个深度卷积神经网络。这个教程假设你已经熟悉神经网络和CIFAR-10数据集。
本教程的目标是建立一个用于识别图像的相对较小的卷积神经网络,在这一过程中,本教程会:
(1)着重于建立一个规范的网络组织结构,训练并进行评估
(2)为建立更大规模更加复杂的模型提供一个范例
选择CIFAR-10是因为它的复杂程度足以用来检验TensorFlow中的大部分功能,并可将其扩展为更大的模型。与此同时由于模型较小所以训练速度很