使用卷积神经网络对CIFAR-10数据集进行分类 2.CIFAR-10数据集 2.1 下载CIFAR-10数据集 import urllib.request import os import tarfile import os os.environ["CUDA_VISIBLE_DEVICES"] = "-1" print(tf.__version__) print(tf.test.is_gpu_available()) # 下载 url = 'https://www.cs.toronto.edu/~...
前面我们用TensorFlow2.0种的keras框架建立了简单的神经网络对MNIST数据集进行分类,这次我们使用卷积神经网络对CIFAR10 数据集进行分类 CIFAR10 数据集包含 10 类,共 60000 张彩色图片,每类图片有 6000 张。此数据集中 50000 个样例被作为训练集,剩余 10000 个样例作为测试集。 这次我们继续使用TensorFlow2.0里的高级AP...
tfile = tarfile.open("data/cifar-10-python.tar.gz", 'r:gz') result=tfile.extractall('data/') print('Extracted to ./data/cifar-10-batches-py/') else: print('Directory already exists.') 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16. 17. 18. 19. 20. ...
这是因为对于卷积神经网络,会利用像素的局部关系,但是打乱顺序以后,这些像素间的关系将无法得到利用。 二、CIFAR10数据分类 input[channel] = (input[channel] - mean[channel]) / std[channel] View Code CIFAR10图像展示 定义网络,损失函数和优化器 训练网络 测试集中取八张图 准确率64% 三、使用 VGG16 对 ...
本实验的目标是构建用于识别图像的相对小的卷积神经网络(CNN),因为CIFAR-10数据集的复杂程度足以用来检验TensorFlow中的大部分功能,并可将其扩展为更大的模型。同时由于模型较小所以训练速度很快,比较适合用来测试新的想法,检验新的技术。所以选用CIFAR-10数据集实现图片的分类。