CIFAR-10 dataset 的下载与使用

 

基本信息

CIFAR-10 是一个包含60000张图片的数据集。其中每张照片为32*32的彩色照片，每个像素点包括RGB三个数值，数值范围 0 ~ 255。

所有照片分属10个不同的类别，分别是 'airplane', 'automobile', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck'

其中五万张图片被划分为训练集，剩下的一万张图片属于测试集。

下载数据集

打开下面的链接进入官网下载

http://www.cs.toronto.edu/~kriz/cifar.html

下载完成后先解压缩，之后会得到如下几个文件

data_batch_1 ~ data_batch_5 是划分好的训练数据，每个文件里包含10000张图片，test_batch 是测试集数据，也包含10000张图片。他们的结构是一样的，下面就用 data_batch_1 作为例子进行说明。

读取数据

import pickle

def load_file(filename):
    with open(filename, 'rb') as fo:
        data = pickle.load(fo, encoding='latin1')
    return data

首先定义读取数据的函数，这几个文件都是通过 pickle 产生的，所以在读取的时候也要用到这个包。

这里面返回的data是一个字典，先看看这个字典里面有哪些键吧。

data = load_file('test_batch')
print(data.keys())

输出结果

1	dict_keys(['batch_label', 'labels', 'data', 'filenames'])

• batch_label 

　　对应的值是一个字符串，用来表明当前文件的一些基本信息。　　

　　如果是 data_batch_1 这个文件，里面的值就是

training batch 1 of 5

　　如果是 test_batch 这个文件，里面的值就是

testing batch 1 of 1

• labels

　　对应的值是一个长度为10000的列表，每个数字取值范围 0~9，代表当前图片所属类别

• data

　　10000 * 3072 的二维数组，每一行代表一张图片的像素值。（32*32*3=3072）

• filenames

　　长度为10000的列表，里面每一项是代表图片文件名的字符串。

---

 

batches.meta 文件可以用相同的方法读取，里面存的是一些基本信息。

• num_cases_per_batch

　　10000

• label_names

['airplane', 'automobile', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck']

• num_vis

　　3072