图片识别是卷积神经网络的主要应用之一。这个数据集是有Alex Krizhevsky 、 Vinod Nair 和GeoffreyHinton手机整理。共包含了60000张32* 32的彩色图像,50000张用于训练模型、10000张用于评估模型。训练的数据集被均匀分成10个类别,每个类别刚好包含5000张图片。
在keras提供了数据加载的函数,可以非常简单的导入数据。第一次导入时,keras会从网络下载数据到本地,之后就可以直接从本地加载数据,用于神经网络模型的每次执行模型产生相同的模型,数据导入后,会设置随机种子,并查看9张图片代码如下:
#!/usr/bin/env python
# -*- coding: UTF-8 -*-
from keras.datasets import cifar10
from matplotlib import pyplot as plt
from scipy.misc import toimage
import numpy as np
#导入数据
(X_train, y_train), (X_validation, y_validation) = cifar10.load_data()
for i in range(0,9 ):
plt.subplot(331 + i)
plt.imshow(toimage(X_train[i]))
#显示图片
plt.show()
#设定随机种子
seed = 7
np.random.seed(seed)