CIFAR-10是由Geoffrey Hinton的两名学生Alex Krizhevsky和Vinod Nair收集和整理的一个基于现实对象拍摄的彩色照片进行物体识别的图像数据集，已成为推广和加速深度学习的重要数据集之一。与前面使用的MNIST手写数字数据集相比，图像中包含的现实对象大小比例不一，而且带有大量的特征和扰动，其识别难度更大。
CIFAR-10的官网页面如图5-22所示。
图5-22 CIFAR-10数据集页面
CIFAR-10数据集共分10类，分别为飞机、汽车、鸟、猫、鹿、狗、青蛙、马、船、卡车，每个类别包含6000张图片。整个数据集共包含60000张32×32的彩色图像，其中的50000张作为训练图片，10000张作为测试图片，其中没有任何类型重叠的情况。不同于MNIST数据集，它的数据集是已经打好包的文件，分别为Py-thon、Matlab、二进制bin文件包（图5-23），以方便不同的程序读取。
图5-23 CIFAR-10三种版本数据集
本例中采用Keras进行处理，可以利用以下代码下载：(www.xing528.com)
from keras. datasets import cifar10
#读入数据
（x_img_train, y_label_train），（x_img_test, y_label_test）=cifar10.load_data（）
为保证速度也可以从官网下载Python版的CIFAR-10-python.tar.gz，解压缩并把里面的文件放到Keras的datasets目录下C：\Users\用户名\.keras\datasets\CIFAR-10-batches-py\，保证使用Keras的dataset.load_data（）读数据的时候能够检测到数据集。无论采用上述哪一种方法，在Keras的数据集文件夹中会生成如图5-24所示的五个数据集。
图5-24 CIFAR-10数据集存储目录
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
