CIFAR-10 数据集简介

---

CIFAR-10 简介

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

CIFAR-10和CIFAR-100是8000个万小图像数据集的标记子集。它们由Alex Krizhevsky, Vinod Nair和Geoffrey Hinton收集。

CIFAR-10数据集包含60000张32x32彩色图像，分为10个类，每类6000张。有50000张训练图片和10000张测试图片。

数据集分为五个训练batches和一个测试batch，每个batch有10000张图像。测试batch包含从每个类中随机选择的1000个图像。训练batches以随机顺序包含剩余的图像，但有些训练batches可能包含一个类的图像多于另一个类的图像。在它们之间，训练batches包含来自每个类的5000张图像。

下面是数据集中的类，以及每个类的10张随机图片:

一共包含10 个类别的RGB 彩色图片：飞机（ airplane ）、汽车（ automobile ）、鸟类（ bird ）、猫（ cat ）、鹿（ deer ）、狗（ dog ）、蛙类（ frog ）、马（ horse ）、船（ ship ）和卡车（ truck ）。

这些类是完全相互排斥的。汽车和卡车之间没有重叠。“汽车”包括轿车、越野车之类的东西。“卡车”只包括大卡车。这两项都不包括皮卡。

该数据集的Python版本的布局：

存档包含文件data_batch_1, data_batch_2，…、data_batch_5以及test_batch。它们中各有10000 个样本。这些文件中的每一个都是使用 cPickle 生成的 Python“pickle” 对象（Python的序列化数据，详情参见：【Python】Python 中实现数据序列化）。下面是一个 Python2 的例子，它将打开这样一个文件并返回一个字典（Python2 的反序列化过程）：

def unpickle(file):
    import cPickle
    with open(file, 'rb') as fo:
        dict = cPickle.load(fo)
    return dict
1
2
3
4
5

Python3 的反序列化过程：

def unpickle(file):
    import pickle
    with open(file, 'rb') as fo:
        dict = pickle.load(fo, encoding='bytes')
    return dict
1
2
3
4
5

以这种方式加载（反序列化后），每个批处理文件都包含一个字典，该字典包含以下元素：

• 数据——10000（样本数）x3072 （1024*3个通道值）numpy阵列的uint8。数组的每一行存储一个32x32的彩色图像。前1024项包含红色通道值，中间1024项包含绿色通道值，最后1024项包含蓝色通道值。图像按以行为主（row-major）的顺序存储，因此数组的前32个条目是图像第一行的红色通道值。

• 标签——从0到9的10000个数字的列表。索引 i 处的数字表示数组数据中第 i 个图像的标签。

该数据集包含另一个名为 batch .meta 的文件。它也包含一个Python字典对象。它有以下条目:

• Label_names——一个10个元素的列表，为上面描述的标签数组中的数字标签提供有意义的名称。例如，label_names[0] == “airplane”， label_names[1] == “automobile”，等等。