一个简单的卷积神经网络实现------读取cifar10数据

alltolove

        太复杂的神经网络现在做不了，是因为我的电脑不是太好，程序运行起来恐怕要很长时间。首先选择一个网上最流行的cifar10图片数据集，它是一共有6万张32*32的彩色图片，图片比较小很适合学习用。从网上很多地方都可以下载到，官网网址是http://www.cs.toronto.edu/~kriz/cifar.html，（记得要下载python版本的）下载解压后一共是8个文件就对了。cifar10是一个10分类的图片，就是生活中常见的汽车飞机轮船什么的。这些文件是python序列化后的文件，用pickle读出来是个字典，以下为代码：

1. import tensorflow as tf
   
2. import os
   
3. import numpy as np
   
4. import pickle
   
5. DATA_DIR=r'.\cifar-10-batches-py'
   
6. def load_data(filename):
   
7.     with open(os.path.join(DATA_DIR,filename),'rb') as f:
   
8.         data=pickle.load(f,encoding='latin1')
   
9.     return data['data'],data['labels']

复制代码

        先写一个函数用来方便读取文件，这个DATA_DIR变量就是解压后文件所在的目录，然后我们要把所有的文件都读取到内存中，代码如下：

1. train_filenames=['data_batch_%d'%i for i in range(1,6)]
   
2. test_filename='test_batch'
   
3. all_data=[]
   
4. all_labels=[]
   
5. for filename in train_filenames:
   
6.     data,labels=load_data(filename)
   
7.     all_data.append(data)
   
8.     all_labels.append(labels)
   
9. data=np.vstack(all_data)
   
10. labels=np.hstack(all_labels)

复制代码