一.数据介绍 总共一百个类，每个类有600个图像。每类500个训练图像，100个测试图像。没填图像都带有一个"精细"标签（它所属的类）核一个粗糙标签（它所属的超类）  二.API使用 用于构建CNN模型的API Conv2D：实现卷积，kernel_size,strides,padding,datafromat,'NHWC'核'NCHW' MaxPool2D:池化操作 impo

# Pandas and numpy for data structures and util fucntionsimport scipy as spimport numpy as npimport pandas as pdfrom numpy.random import randpd.options.display.max_colwidth = 608# Scikit Imports

CIFAR-10/CIFAR-100数据集解析转载自:https://www.cnblogs.com/cloud-ken/p/8456878.html 觉得有用的话,欢迎一起讨论相互学习~Follow Me 参考文献CIFAR-10/CIFAR-100数据集 CIFAR-10和CIFAR-100被标记为8000万个微小图像数据集的子集。他们由Alex Krizhevsky，Vinod

CIFAR-10/CIFAR-100数据集解析 觉得有用的话,欢迎一起讨论相互学习~ 参考文献 CIFAR-10/CIFAR-100数据集 CIFAR-10和CIFAR-100被标记为8000万个微小图像数据集的子集。他们由Alex Krizhevsky，Vinod Nair和Geoffrey Hinton收集。 CIFAR-10数据集 CIFAR-10数据集由10个类的60