cifar10数据集测试有多少张图_CIFAR10+卷积神经网络+TensorBoard 实战

1、CIFAR-10数据集的简介

CIFAR-10

cifar10是由Hinton的学生整理的一个用于识别物体的小型数据集，一共包含10个类别的RGB彩色数据图片，如上图所示。图片的尺寸为32X32，共50000张训练图片和10000张测试图片。

项目代码：

Tensorflow提供的一些代码

使用cifar10_download.py即可下载CIFAR-10数据集的全部数据

2、直接上代码

(1)导入相关包

(2)定义函数

导入数据包，设置模型参数

权重函数

定义损失函数

TensorBoard参数概要

抽取训练数据集，cifar10_input.distorted_inputs这个很容易出现bug，cifar10_input的disto...定义不同

定义输入placeholder

第一层卷积层，3*3的卷积核，通道数为3，卷积核个数32

以上是我随便定义的几个卷积层、池化层等，一般来说数据量多的前提下，网络层数越多，准确度越高

全连接层，使用了dropout操作

定义优化器，tf.nn.in_top_k主要是用于计算预测的结果和实际结果的是否相等，返回一个bool类型的张量

创建图，开始训练

结果比较简单，只是随便的简单堆叠几层卷积层和全连接层

很多小伙伴说现在tf2.0都出来了，还需不需要学1.x，我的答案是要，现在绝大部分的科研、公司项目代码还是1.x，而且2.0大部分是采用keras接口，学会1.x后再看2.0也是非常简单的。过几天有空，会尝试使用tf2.0来搭建一个更复杂的网络，tf2.0使用大量keras接口，实现比较方便。