1、CIFAR-10數據集的簡介
CIFAR-10
cifar10是由Hinton的學生整理的一個用於識別物體的小型數據集，一共包含10個類別的RGB彩色數據圖片，如上圖所示。圖片的尺寸為32X32，共50000張訓練圖片和10000張測試圖片。
項目代碼：
Tensorflow提供的一些代碼
使用cifar10_download.py即可下載CIFAR-10數據集的全部數據
2、直接上代碼
（1）導入相關包
（2）定義函數
導入數據包，設置模型參數
權重函數
定義損失函數
TensorBoard參數概要
抽取訓練數據集，cifar10_input.distorted_inputs這個很容易出現bug，cifar10_input的disto...定義不同
定義輸入placeholder
第一層卷積層，3*3的卷積核，通道數為3，卷積核個數32
以上是我隨便定義的幾個卷積層、池化層等，一般來說數據量多的前提下，網絡層數越多，準確度越高
全連接層，使用了dropout操作
定義優化器，tf.nn.in_top_k主要是用於計算預測的結果和實際結果的是否相等，返回一個bool類型的張量
創建圖，開始訓練
結果比較簡單，只是隨便的簡單堆疊幾層卷積層和全連接層
很多小夥伴說現在tf2.0都出來了，還需不需要學1.x，我的答案是要，現在絕大部分的科研、公司項目代碼還是1.x，而且2.0大部分是採用keras接口，學會1.x後再看2.0也是非常簡單的。過幾天有空，會嘗試使用tf2.0來搭建一個更復雜的網絡，tf2.0使用大量keras接口，實現比較方便。
分享到:
閱讀更多 AI機器學習與數據挖掘 的文章
