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/~...
3.在小型全连接网络上训练(Fully-connected network) 4.在卷积神经网络上训练 通过上面的测试结果发现,含有相同参数的 CNN 效果要明显优于简单的全连接网络,是因为 CNN 能够通过卷积和池化更好的挖掘图像中的信息 5. 打乱像素顺序再次在两个网络上训练与测试 下面代码展示随机打乱像素顺序后,图像的形态: 部分图像展...
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。 1. CIFAR-10数据集简介 CIFAR-10数据...
if not os.path.exists("data/cifar-10-batches-py"): 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. 1...