简洁明了的tensorflow2.0教程——CNN卷积网络的实现（cifar10数据集）

CNN

通过本文你能了解到基本的卷积神经网络概念还有理论基础，通过使用keras编写一个简单的CNN模型我们可以实现对cifar10数据集的分类，掌握tensorflow搭建卷积神经网络的技巧，废话不多说，进入正文。相关代码还有数据集在我的github，链接https://github.com/JohnLeek/Tensorflow-study:,需要的自取，day4开头的部分为本节博客源码，觉得不错的可以给个star。

一、卷积神经网络结构和相关概念（参考维基百科）

因为卷积神经我网络概念很多，因为我侧重实现，这里我不做展开，我收集了部分博客，对卷积的理论没有储备的可以参考如下的博客：

1、CNN笔记：通俗理解卷积神经网络：https://blog.csdn.net/v_JULY_v/article/details/51812459

2、卷积神经网络（CNN）详解https://zhuanlan.zhihu.com/p/47184529

这两篇文章很详细的介绍了卷积神经网络相关概念，随后的代码中我们会用到，我也会给出注释，方便理解。

二、数据集准备

这里我们使用cifar10数据集，下面对cifar10数据集做个简单介绍，参考博客为：https://blog.csdn.net/DaVinciL/article/details/78793067，

CIFAR-10数据集由10类32x32的彩色图片组成，一共包含60000张图片，每一类包含6000图片。其中50000张图片作为训练集，10000张图片作为测试集。

CIFAR-10数据集被划分成了5个训练的batch和1个测试的batch，每个batch均包含10000张图片。测试集batch的图片是从每个类别中随机挑选的1000张图片组成的,训练集batch以随机的顺序包含剩下的50000张图片。不过一些训练集batch可能出现包含某一类图片比其他类的图片数量多的情况。训练集batch包含来自每一类的5000张图片，一共50000张训练图片。

下图显示的是数据集的类，以及每一类中随机挑选的10张图片：

tensorflow2.0下载数据集准备，使用如下代码即可完成下载。

cifar10 = tf.keras.datasets.cifar10

但是需要科学上网，这里我提前准备好数据集了，大家在我的github下载好了放到我截图中的位置即可