转：Dataset之CIFAR-10：CIFAR-10数据集简介、下载、使用方法之详细攻略

最新推荐文章于 2024-05-09 09:45:00 发布
最新推荐文章于 2024-05-09 09:45:00 发布
阅读量1.5k 收藏 1
点赞数
分类专栏： 技术-大数据 文章标签： dataset cifar-10
原文链接：https://yunyaniu.blog.csdn.net/article/details/82793025?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-3.edu_weight&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-3.edu_weight
版权

Dataset之CIFAR-10：CIFAR-10数据集简介、下载、使用方法之详细攻略

 

 

目录

CIFAR-10简介

1、与MNIST 数据集中目比， CIFAR-10 真高以下不同点

2、TensorFlow 官方示例的CIFAR-10 代码文件

3、CIFAR-10 数据集的数据文件名及用途

CIFAR-10下载

1、下载CIFAR-10 数据集的全部数据

CIFAR-10使用方法

1、使用TF读取CIFAR-10 数据

 

 

 

CIFAR-10简介

官网链接：The CIFAR-10 dataset

          CIFAR-10是一个更接近普适物体的彩色图像数据集。CIFAR-10 是由Hinton 的学生Alex Krizhevsky 和Ilya Sutskever 整理的一个用于识别普适物体的小型数据集。一共包含10 个类别的RGB 彩色图片：飞机（ airplane ）、汽车（ automobile ）、鸟类（ bird ）、猫（ cat ）、鹿（ deer ）、狗（ dog ）、蛙类（ frog ）、马（ horse ）、船（ ship ）和卡车（ truck ）。
         每个图片的尺寸为32 × 32 ，每个类别有6000个图像，数据集中一共有50000 张训练图片和10000 张测试图片。

 

1、与MNIST 数据集中目比， CIFAR-10 真高以下不同点

  • (1)、CIFAR-10 是3 通道的彩色RGB 图像，而MNIST 是灰度图像。
  • (2)、CIFAR-10 的图片尺寸为32 × 32 ， 而MNIST 的图片尺寸为28 × 28 ，比MNIST 稍大。
  • (3)、相比于手写字符， CIFAR-10 含有的是现实世界中真实的物体，不仅噪声很大，而且物体的比例、特征都不尽相同，这为识别带来很大困难。直接的线性模型如Softmax 在CIFAR-10 上表现得很差。

 

2、TensorFlow 官方示例的CIFAR-10 代码文件

 

3、CIFAR-10 数据集的数据文件名及用途

     在CIFAR-10 数据集中，文件data_batch_1.bin、data_batch_2.bin 、··data_batch_5.bin 和test_ batch.bin 中各有10000 个样本。一个样本由3073 个字节组成，第一个字节为标签label ，剩下3072 个字节为图像数据。样本和样本之间没高多余的字节分割， 因此这几个二进制文件的大小都是30730000 字节。

文件名

文件用途

batches.meta. bet

文件存储了每个类别的英文名称。可以用记事本或其他文本文件阅读器打开浏览查看

data batch I.bin 、

data batch 2.bm 、

……

data batch 5.bin

这5 个文件是CIFAR- 10 数据集中的训练数据。每个文件以二进制格式存储了10000 张32 × 32 的彩色图像和这些图像对应的类别标签。一共50000 张训练图像

test batch.bin

这个文件存储的是测试图像和测试图像的标签。一共10000 张

readme.html

数据集介绍文件

 

CIFAR-10下载

1、下载CIFAR-10 数据集的全部数据

 

  1. FLAGS = tf.app.flags.FLAGS

  2. cifar10.maybe_download_and_extract()

  3.  
  4.  

  5. >> Downloading cifar-10-binary.tar.gz 0.0%

  6. ……

  7. >> Downloading cifar-10-binary.tar.gz 0.0%

  8. >> Downloading cifar-10-binary.tar.gz 0.1%

  9. ……

  10. >> Downloading cifar-10-binary.tar.gz 0.1%

  11. >> Downloading cifar-10-binary.tar.gz 0.2%

  12. ……

  13. >> Downloading cifar-10-binary.tar.gz 0.2%

  14. >> Downloading cifar-10-binary.tar.gz 0.3%

  15. ……

  16. >> Downloading cifar-10-binary.tar.gz 98.9%

  17. ……

  18. >> Downloading cifar-10-binary.tar.gz 99.0%

  19. ……

  20. >> Downloading cifar-10-binary.tar.gz 100.0%

  21. Successfully downloaded cifar-10-binary.tar.gz 170052171 bytes.

 

CIFAR-10使用方法

1、使用TF读取CIFAR-10 数据

  • (1)、用tf.train.string_ input producer 建立队列。
  • (2)、通过reader.read 读数据。一个文件就是一张图片，因此用的reader 是tf.WholeFileReader()。CIFAR-10 数据是以固定字节存在文件中的，一个文件中含再多个样本，因此不能使用tf. WholeFileReader （），而是用tf.FixedLengthRecordReader（） 。
  • (3)、调用tf. train . start_ queue_ runners 。
  • (4)、最后，通过sess.run()取出图片结果。

 

 

相关文章

TF：利用TF读取数据操作，将CIFAR-10 数据集中的训练图片读取出来，并保存为.jpg 格式

爱萨萨
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
CIFAR-10 数据集简介
weix1235的博客
11-28 1万+
复现代码的过程中，简单了解了作者使用的数据集CIFAR-10 dataset ，简单记录一下。 CIFAR-10数据集是8000万微小图片的标签子集，它的收集者是：Alex Krizhevsky, Vinod Nair, Geoffrey Hinton。 数据集由6万张32*32的彩色图片组成，一共有10个类别。每个类别6000张图片。其中有5万张训练图片及1万张测试图片。 数据集被划分为5个训练块和1个测试块，每个块1万张图片。 测试块包含了1000张从每个类别中随机选择的图片。训练块包含随机的剩余图像
cifar2png:将CIFAR-10和CIFAR-100数据集转换为PNG图像
05-05
将CIFAR-10或CIFAR-100数据集转换为PNG图像。 安装 $ pip install cifar2png 用法 $ cifar2png <dataset> <output> [--name-with-batch-index] dataset ：指定cifar10或cifar100或cifar100superclass output_dir ...
怎么用python读取cifar10数据集.docx
11-23
是用一个简单的程序，利用python完成CIFAR数据的一个简单的读取。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的恰好1000个随机选择的图像。训练批次包含随机顺序的图像，但一些训练批次可能包含来自一个种类的图像比另一个类更多。总的训练批次包含来自每个类的正好5000张图像。
Dataset之CIFAR-10：CIFAR-10数据集的简介、下载、使用方法之详细攻略
热门推荐
近期请国内外头部出版社可尽快私信博主！——心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，谦虚，自律，反思，成长，还算是比较正能量的博主，公益免费传播……内心特别想在AI界做出一些可以推进历史进程影响力的东西(兴趣使然，有点小情怀，也有点使命感呀)…
09-20 18万+
Dataset之CIFAR-10：CIFAR-10数据集的简介、下载、使用方法之详细攻略目录CIFAR-10的简介1、与MNIST 数据集中目比， CIFAR-10 真高以下不同点2、TensorFlow 官方示例的CIFAR-10 代码文件3、CIFAR-10 数据集的数据文件名及用途4、基于CIFAR-10数据集最新算法预测准确率对比CIFAR-10的下载1、下载CIFAR-10 数据集的全部数据CIFAR-10使用方法1、使用TF读取CIFAR-10 数据官网链接：The CIFAR-10 datas
CIFAR-10数据集详析：使用卷积神经网络训练图像分类模型
最新发布
二哈喇子！
05-09 2048
CIFAR-10数据集详析：使用卷积神经网络训练图像分类模型
学习Pytorch导入本地下载的数据集以CIFAR-10为例
qq_58135699的博客
11-12 2385
pytorch 导入数据集 本地数据集
CIFAR-10数据集（介绍、下载读取、可视化显示、另存为图片）
qq_40755283的博客
06-09 3万+
常用cv2、numpy函数复习，了解CIFAR-10数据集底层并测试
tensor-CIFAR10数据集加载及模型搭建
NewDay_的博客
03-18 1162
本次案例是CIFAR10 from torchvision import datasets from torchvision import transforms from torch.utils.tensorboard import SummaryWriter import ssl # 取消认证 ssl._create_default_https_context = ssl._create_unverified_context # 没有数据集进行下载时候需要取消认证,不然无法下载 trans_com
cifar10数据集和mnist数据集的读取以及可视化
weixin_47289438的博客
08-18 1941
记录一下cifar10和mnist的读取方式，了解数据格式内容
cifar数据集下载到本地，python实现读取
qq_43917080的博客
11-02 2458
好啦好啦，上次留下的小问题解决了。后面也许会尝试改进网络结构或者进行数据增强来提升测试集的acc,bye.我下载的位置：F:\daydayup\cifar-10\cifar-10-batches-py。这里，我选的是python版本的。
CIFAR-10 图片格式数据集
09-27
CIFAR-10 图片格式数据集，按 10 分类文件夹储存 https://github.com/cyizhuo/CIFAR-10-dataset
CIFAR10数据集免费下载
02-20
完全免费 下载解压就用 可以打开
Caffe数据集：CIFAR10之一
12-01
Caffe运行例程前需要下载的数据集，共6个文件，总大小180MB，分三次上传，这是第一个。
cifar 10数据集
04-25
Cifar-10由60000张32*32的RGB彩色图片构成，共10个分类。50000张训练，10000张测试（交叉验证）。这个数据集最大的特点在于将识别迁移到了普适物体，而且应用于多分类
cifar-10数据集
09-20
cifar数据集，适合python开发，亲测，
CIFAR-10 Dataset-数据集
03-11
CIFAR-10 Dataset is provided by Canadian Institute for Advanced Research.本数据集由加拿大高级研究所提供。 cifair10_trainLabels.csv cifar10_train.zip cifar10_test.zip
CIFAR-10/100 数据集中文说明
01-25
CIFAR-10/100 数据集是深度学习领域中常用的数据集之一，由亚历克斯·克里日夫斯基、维诺德·奈尔和杰弗里·辛顿收集。它是由八千万个微小图像数据集的标记子集组成。 CIFAR-10 数据集由 10 个类中的 60000 幅 32...
cifar-10.1-pytorch:CIFAR-10.1 [Recht et al。，2018] pytorch数据集包装器
05-13
cifar-10.1-pytorch 适用于Pytorch包装器
如何下载CIFAR10数据集
githubcurry
11-02 548
CIFAR10数据集的下载及使用使用torchvision下载MINIST及配置踩坑笔记CIFAR10数据集下载
from torchvision import datasets
03-29
As an AI language model, I don't have access to the internet and cannot import or use any libraries or modules. However, I can provide you with information about the torchvision.datasets module. The torchvision.datasets module provides several popular datasets for image classification tasks, such as MNIST, CIFAR-10, and ImageNet. These datasets can be loaded using the datasets.ImageFolder class and transformed using torchvision.transforms. For example, to load the MNIST dataset, you can use the following code: ```python import torchvision.datasets as datasets train_dataset = datasets.MNIST(root='./data', train=True, transform=None, download=True) test_dataset = datasets.MNIST(root='./data', train=False, transform=None, download=True) ``` This will download the MNIST dataset to the ./data directory and create two datasets: one for training and one for testing. The transform argument can be used to apply data augmentation techniques such as random cropping, flipping, and rotation.

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值