TensorFlow学习笔记之CIFAR10与VGG13实战

上上篇博文TensorFlow学习笔记之Fashion MNIST数据集简单分类我们学习了Fashion MINST集的简单分类，但是Fashion MINIST数据集只保存了图片灰度的信息，不适用输入为RGB三通道的网络模型，此节我们展开CIFAR10与VGG13的实战

1 CIFAR 10数据集

1 CIFAR 10介绍

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（ plane ）、汽车（ automobile ）、鸟类（ bird ）、猫（ cat ）、鹿（ deer ）、狗（ dog ）、蛙类（ frog ）、马（ horse ）、船（ ship ）和卡车（ truck ）。图片的尺寸为 32×32 ，数据集中一共有 50000 张训练图片和 10000 张测试图片。 CIFAR-10 的图片样例如图所示。下面这幅图就是列举了10各类，每一类展示了随机的10张图片：

1.2 CIFAR10数据集的下载

1.2.1 官方下载

http://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz

1.2.2 keras模块直接加载

在TensorFlow中，不需要手动下载，解析和加载CIFAR10数据集，通过datasets.cifar10.load_data()函数就可以加载切割好的训练集和测试集

from keras import datasets
(x,y), (x_test, y_test) = datasets.cifar10.load_data()

TensorFlow 会自动将数据集下载在 C:\Users\用户名.keras\datasets 路径下，用户可以查
看，也可手动删除不需要的数据集缓存。

2 VGG13

2.1 选取VGG13的原因

CIFAR10图片识别的任务识别的任务不太简单。主要是因为保存的图片的分辨率仅为32x32，部分主体信息较为模糊，有时人肉眼也难以分辨。浅层的神经网络表达呢能力有限，很难训练优化到较好的性能，所以采用VGG13网络，再根据此数据集的特点****修改部分网络结构。

2.2 VGG部分网络结构修改

• List itemVGG原网络输入为224x224，现将网络输入参数调整为32x32。原网络会导致全连接输入特征维度过大，网络参数量过大
• 3个全连接层的维度调整为[256,64,10]

2.3 VGG13模型结构

3代码

3.1 导入必要的库

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

3.2 处理部分

def preprocess(x, y):
	# 归一化处理[0~1]
	x= 2 * tf.cast(x, dtype = tf.float32) / 255. - 1
	y = tf.cast(y,dtype = tf.int32)
	return x,y
	#加载数据集
	(x, y), (x_test, y_test) = datasets.cifar10.load_data()
	y = tf.squeeze(y, axis=1)
	y_test = tf.squeeze(y_test, axis=1)
	print(x.shape, y.shape, x_test.shape, y_test.shape)

	test_db = tf.data.Dataset.from_tensor_slices(