未来杯总结3--cifar10_cnn修改为20分类

    比赛提供一个GPU为tesla P4,计算性能感觉不是特别强，但是比自己电脑强太多了，可能只有一个GPU的原因，在运行cifar10时每个epoch需要1分钟多两分钟，在运行resnet时100epoch，一般跑一晚上才能跑完。

    下面是我对cifar10的一些理解：

1.batch_size 为每次GPU处理数据集的数量，这里设为100，到4，500时就train不好了，一共20个类，num_classes = 20,epoch为20,表示一共对所有数据集进行20次遍历，data_dugmentation是数据扩充。

batch_size = 100
num_classes = 20
epochs = 20
data_augmentation = False
num_predictions = 20
save_dir = os.path.join(os.getcwd(), 'saved_models')
model_name = 'keras_cifar10_trained_model.h5'
img_row = 224
img_col = 224

2.load读取数据，下面一定要进行reshape，一定要，这是对灰度图像的处理，灰度图像numpy只有两个维度，reshape为三个维度，下面是对train和test赋值，将train变为float然后/255，这是为了让所有值在0-1之间，图像归一化把。

# The data, split between train and test sets:
x_train =