本文主要是介绍Keras入门课3 -- 使用CNN识别cifar10数据集，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
Keras入门课3：使用CNN识别cifar10数据集
本系列课程代码，欢迎star：
https://github.com/tsycnh/Keras-Tutorials
cifar10是一个日常物品的数据集，一共有10类，属于是比较小的数据集。这次用一个4个卷积层加2个全连接层的典型CNN网络来进行分类
import keras
from keras.datasets import cifar10
from keras.preprocessing.image import ImageDataGenerator
from keras.models import Sequential
from keras.layers import Dense, Dropout, Activation, Flatten
from keras.layers import Conv2D, MaxPooling2D
Using TensorFlow backend.
/usr/local/Cellar/python3/3.6.2/Frameworks/Python.framework/Versions/3.6/lib/python3.6/importlib/_bootstrap.py:205: RuntimeWarning: compiletime version 3.5 of module 'tensorflow.python.framework.fast_tensor_util' does not match runtime version 3.6return f(*args, **kwds)
↓首先载入cifar10数据集，和mnist数据集的载入方法一致，本地没有数据的话会先下载
(x_train,y_train),(x_test,y_test) = cifar10.load_data()
cifar10数据集图像大小是32*32的3通道彩图，训练集5万张，测试集1万张。和之前的mnist数据集不同，由于是彩色的，所以样本直接就是4维的。
print(x_train.shape,y_train.shape)
print(x_test.shape,y_test.shape)
(50000, 32, 32, 3) (50000, 1)
(10000, 32, 32, 3) (10000, 1)
import matplotlib.pyplot as plt
plt.imshow(x_train[0])
plt.show()
plt.imshow(x_train[1])
plt这篇关于Keras入门课3 -- 使用CNN识别cifar10数据集的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
