深度学习07-CIFAR-10数据集+简单的cnn模型+复杂的cnn模型+权重连接数详解

1、CIFAR-10数据集介绍

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。
数据集分为五个训练批次和一个测试批次，每个批次有10000个图像。测试批次包含来自每个类别的恰好1000个随机选择的图像。训练批次以随机顺序包含剩余图像，但一些训练批次可能包含来自一个类别的图像比另一个更多。更详细的介绍可参考：https://www.cnblogs.com/cloud-ken/p/8456878.html

我们先导入并且展示下部分数据：

from keras.datasets import cifar10
import matplotlib.pyplot as plt

# 首次使用时会在线进行数据集下载
(X_train, y_train), (X_test, y_test) = cifar10.load_data() 

print('图像数据格式: ', X_train.shape)
print("训练集：%2.0f，测试集：%2.0f" %(X_train.shape[0], X_test.shape[0]))

X_train[0][:5, :, 1] # 图片矩阵中的第一条记录，显示R矩阵前5行

fig, ax = plt.subplots()
ax.imshow(X_train[1])

fig = plt.figure(figsize = (20, 5))
for i in range(20):
    ax = fig.add_subplot(2, 10, i + 1, xticks = [], yticks = [])
    ax.imshow(X_train[i])
y_train[:20].reshape(2, 10)
<