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：

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

        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：

train_filenames=['data_batch_%d'%i for i in range(1,6)]
test_filename='test_batch'
all_data=[]
all_labels=[]
for filename in train_filenames:
    data,labels=load_data(filename)
    all_data.append(data)
    all_labels.append(labels)
data=np.vstack(all_data)
labels=np.hstack(all_labels)