深度学习数据集——CIFAR-10

CIFAR-10数据集简介

Cifar-10 是由 Hinton 的学生 Alex Krizhevsky、Ilya Sutskever 收集的一个用于普适物体识别的计算机视觉数据集，它包含 60000 张 32 X 32 的 RGB 彩色图片，总共 10 个分类。其中，包括 50000 张用于训练集，10000 张用于测试集。

从网上下载该数据集，解压包含如下文件：

文件名称        文件大小

data_batch_1.bin    30010KB

data_batch_2.bin    30010KB

data_batch_3.bin    30010KB

data_batch_4.bin    30010KB

data_batch_5.bin    30010KB

test_batch.bin    30010KB

其中 data_batch_1.bin、data_batch_2.bin、data_batch_3.bin、data_batch_4.bin、data_batch_5.bin是训练集，test_batch.bin是测试集。

Tensorflow里面提供了使用CIFAR-10数据集的方法

1、从Tensorflow官网下载models模块，在 【tensorflow-models\tutorials\image\cifar10】 路径下有以下文件：

cifar10_input.py        读取cifar-10数据集文件

cifar10.py        建立cifar-10模型

cifar10_train.py        训练cifar-10数据集

cifar10_multi_gpu_train.py        在多GPU上训练cifar-10数据集

cifar10_eval.py        评估cifar-10模型的预测性能

其中，读取训练集数据的时候，在 cifar10_input.py 中做了数据增强处理，包括：

1）、裁剪图片到 24 x 24 像素，训练数据随机裁剪，测试数据裁剪中央区域
2）、近似白化处理图片
3）、随机左右翻转图像
4）、随机变换图像亮度
5）、随机变换图像对比度

处理过后的图片，用于训练或测试。

注意：如果你要在windows下使用这几个文件的话，你可能需要修改文件中的路径。

2、执行 cifar10_train.py 文件，进行训练。

源代码里的最大迭代次数为1000000，我训练的时候迭代次数是6100，loss最后收敛到0.94，一次迭代耗时 1.5 秒左右。

2017-03-31 16:56:41.185184: step 6030, loss = 1.05 (134.1 examples/sec; 0.955 sec/batch)
2017-03-31 16:56:50.849880: step 6040, loss = 0.92 (132.2 examples/sec; 0.969 sec/batch)
2017-03-31 16:57:00.620310: step 6050, loss = 0.93 (131.0 examples/sec; 0.977 sec/batch)
2017-03-31 16:57:10.433439: step 6060, loss = 1.05 (130.7 examples/sec; 0.980 sec/batch)
2017-03-31 16:57:20.313770: step 6070, loss = 1.03 (128.7 examples/sec; 0.995 sec/batch)
2017-03-31 16:57:31.502405: step 6080, loss = 1.01 (55.7 examples/sec; 2.300 sec/batch)
2017-03-31 16:57:52.039641: step 6090, loss = 0.91 (63.8 examples/sec; 2.007 sec/batch)
2017-03-31 16:58:09.060896: step 6100, loss = 0.94 (104.0 examples/sec; 1.230 sec/batch)

3、执行 cifar10_eval.py 文件，进行验证。

我迭代训练6100次的时候，验证结果为78.6%

2017-03-31 16:46:53.172024: precision @ 1 = 0.783
2017-03-31 16:52:28.170958: precision @ 1 = 0.783
2017-03-31 16:58:04.805582: precision @ 1 = 0.786