TensorFlow实战之CIFAR自定义网络

CIFAR-10数据集由10个类的60000个32x32彩色图像组成，每个类有6000个图像，有50000个训练图像和10000个测试图像。

以下代码实现基于tensorflow对此数据集的训练和验证，采用的是自定义的网络，并把相应的参数（权重）保存起来

import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import datasets, layers, optimizers, Sequential, metrics
import os

# 避免出现一些不必要的警告
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'


def preprocess(x, y):
    # [0,255] => [-1 ,1]
    x = 2 *tf.cast(x, dtype=tf.float32) / 255. - 1.
    y = tf.cast(y, dtype=tf.int32)
    return x, y


batchsz = 128

# [32, 32, 3], [10k, 1]
(x, y), (x_val, y_val) = datasets.cifar10.load_data()
y = tf.squeeze(y)  # [10k]
y_val = tf.squeeze(y_val)
y = tf.one_hot(y, depth=10)  # [50k,10]
y_val = tf.one_hot(y_val, depth=10)