cifar 10 다운로드

On febrero 8, 2020

CIFAR-10 및 CIFAR-100 데이터 세트는 https://www.cs.toronto.edu/~kriz/cifar.html 토론토 대학교 사이트에서 호스팅됩니다. 데이터는 학습 세트와 테스트 세트 간에 분할됩니다. CIFAR-10에 대한 직접 다운로드 링크는 https://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz 있지만 때로는 매우 느릴 수 있습니다. load_cifar.py : data_batch_1 데이터(이미지) 및 레이블(클래스)을 np.array(x_train, y_train), (x_test, y_test) = cifar10.load_data() 다운로드되면 파일 cifar-10-python.tar.gz를 cifar-10-batches-py.tar.gz로 변경하고 C:Usersatulkumar..keras와 같은 경로로 복사합니다. 아툴쿠마르를 사용자 이름으로 바꿉니다. 리눅스의 경우 / 홈 / atulkumar /.keras / 데이터 세트여야합니다. load_cifar.py는 구성 정확도 파이썬 코드 `(x_train, y_train), (x_test, y_test) = cifar10.load_data()`를 사용하여 일반적으로 다운로드 할 수 있지만 지연이 있는 경우 아래 단계가 제공됩니다. 복사 및 이름 바꾸기가 완료되면 명령 아래에서 다시 실행하고 복사 된 파일을 인식하고 필요한 폴더 cifar-10 배치 py 또는 cifar-100-batches-py kaggle에서 데이터를 다운로드합니다. 링크는 CIFAR-10에 대한 https://www.kaggle.com/pankrzysiu/cifar10-python/version/1. CIFAR-100 데이터 집합에 대해 다른 링크를 찾을 수 있으며 CS 토론토 사이트보다 훨씬 빠를 수 있습니다. Kaggle의 경우 다운로드를 등록해야합니다. 아래 코드 6은 이전에 구현된 함수인 정규화 및 원 핫 인코딩을 사용하여 지정된 데이터 집합을 전처리합니다.

그림 7에 설명된 대로 모든 일괄 처리의 데이터의 10%가 결합되어 유효성 검사 데이터 집합을 형성합니다. 나머지 90%의 데이터는 학습 데이터 집합으로 사용됩니다. 마지막으로 이미 제공된 테스트 데이터 집합이 있습니다. 아래 코드 셀은 모든 CIFAR-10 데이터를 전처리하고 외부 파일에 저장합니다. 이미지의 행 벡터는 32*32*3 == 3072를 계산하는 경우 정확히 동일한 수의 요소를 가수 있습니다. 행 벡터의 모양을 (너비 x 높이 x num_channel) 양식으로 변경하려면 두 단계가 필요합니다. 첫 번째 단계는 모양 바꾸기 함수를 사용하는 것이고 두 번째 단계는 numpy에서 전치 함수를 사용하는 것입니다. 하이퍼 매개 변수는 12개의 실험 시간에 의해 선택됩니다. 한 가지 주의해야 할 점은 learning_rate 최적화 를 정의하기 전에 정의되어야 한다는 것입니다. print_stats 현재 교육 단계의 비용과 정확도를 보여줍니다.

train_neural_network 기능과 유사한 프로세스도 여기에 적용됩니다. session.run 함수에 최적화 를 제공하는 대신 비용과 정확성이 제공됩니다. keep_prob 1로 설정되어 있습니다. 탈락률은 교육 단계에 적용해야 하거나 용지에 따라 1로 설정해야 합니다. 공식 문서에 따르면 TensorFlow는 데이터 흐름 그래프를 사용하여 개별 작업 간의 종속성 측면에서 계산을 나타냅니다. 이렇게 하면 먼저 데이터 흐름 그래프를 정의한 다음 TensorFlow 세션을 만들어 로컬 및 원격 장치 집합에서 그래프의 일부를 실행하는 하위 수준 프로그래밍 모델이 생성됩니다. 텐서플로우에는 많은 패키지가 함께 제공됩니다. 비슷한 기능을 가진 모듈도 찾을 수 있습니다. 예를 들어, tf.nn.conv2d 및 tf.layers.conv2d는 모두 2D 컨볼로이징 작업입니다. 다음은 각 패키지의 범주의 목적입니다. .

마지막으로 비용, 최적화 프로그램 및 정확도를 정의합니다. tf.reduce_mean 입력 텐서를 사용하여 감소시키고, 입력 텐서가 예측된 결과와 접지 진실 사이의 특정 손실 함수의 결과입니다. CIFAR-10은 10개 이상의 클래스 손실을 측정해야 하기 때문에 tf.nn.softmax_cross_entropy_with_logis 함수가 사용됩니다.

Comments are closed.