ConvNet对CIFAR-10分类 数据集

CIFAR-10是一个广泛用于计算机视觉的经典数据集，特别适合深度学习的图像识别和分类任务。数据集包含10个类别（飞机、汽车、鸟类、猫、鹿、狗、青蛙、船、卡车、背景），每类包含6000张32x32像素

本次实验主要针对cifar10数据集进行了深入分析和多个模型的训练与比较。我们采用了Baseline和LeNet5两个模型来进行对比，并最终选择了Baseline模型作为最优模型。实验过程中，我们不断

机器学习常用的cifar10图像集,只能上传110MB的文件,分成了两部分,这个是第一部分。

图像分类数据集：17个类别的花朵数据集，训练集800张，验证集和测试集260张

CIFAR10数据集和其子集CIFAR2是计算机视觉领域常用的数据集，在图像分类和识别任务中有很高的应用价值。CIFAR10数据集包含10个类别的图片，而CIFAR2是从中选取了飞机和汽车两种类型图片

目录 环境 介绍 机器学习步骤 深度学习、机器学习、人工智能三者的关系 神经网络 二分类逻辑斯地回归模型 多分类逻辑斯地回归模型 目标函数(损失函数) 主要类型 举例 神经网络训练 训练目标 梯度下降

caffe默认支持cifar10，但是不支持cifar100数据集，本数据集将cifar100的python文件转换为caffe支持的lmdb文件

CIFAR-10数据集由10个类的60000个32x32彩色图像组成,每个类有6000个图像。有50000个训练图像和10000个测试图像,适合深度学习入门使用。

tensorflow官方数据集cifar100，深度学习常用数据集，load_data()

cifar数据集用于深度学习