CIFAR-10是一个广泛使用的标准数据集，里面包含了各种阿猫阿狗阿汽车……为了在后续学习实验中用好它，首先需要认识了解一下。

把tensorflow官方model下的cifar10文件复制到工作区，对于jupyter就是win10下默认的文档里，然后把下载好的cifar10_data(bin)也放在cifar10里面，之后新建的代码都在这个主目录下操作，目的是调用里面的cifar10_input.py文件，TF也可以直接下载这个数据集(略慢)。

cifar10_input.inputs 用来读取数据，返回数据集和标签；eval_data = False表示使用训练数据集

%matplotlib inline #可以将matplotlib画图直接展示在notebook里

#放在cifar10目录下

import cifar10_input

import tensorflow as tf

import pylab

#取数据

batch_size = 12

data_dir = 'cifar10_data/cifar-10-batches-bin'

images_test, labels_test = cifar10_input.inputs(eval_data = True, data_dir = data_dir, batch_size = batch_size)

sess = tf.InteractiveSession()

tf.global_variables_initializer().run()

tf.train.start_queue_runners()#运行队列

image_batch, label_batch = sess.run([images_test, labels_test])

print("-----\n",image_batch[0])

print("-----\n",label_batch[0])

pylab.imshow(image_batch[0])

pylab.show()

pylab是matplotlib中提供的的模块，包括了许多NumPy和pyplot模块中常用的函数，方便用户快速进行计算和绘图，十分适合在IPython交互式环境中使用;

pyplot是matplotlib为方便快速绘图提供的一套和MATLAB类似的绘图API，将众多绘图对象所构成的复杂结构隐藏在这套API内部。

利用这个函数获得的数据进行了标准化(减去均值像素，除以像素方差，数据分布为均值为0，方差为1)，而且还进行了裁剪变成了24*24，下面就是输出的便于训练的标准化图像：

标准化图像.png

这是真实图像的样子:

真实图像.png

貌似是一只松鼠？

将cifar10转化成png格式数据从而有个直观的映像

import pickle as p

import numpy as np

import matplotlib.pyplot as plt

import matplotlib.image as plimg

from PIL import Image

def load_CIFAR_batch(filename):

""" load single batch of cifar """

with open(filename, 'rb')as f:

datadict = p.load(f,encoding="latin1")

X = datadict['data']

Y = datadict['labels']

X = X.reshape(10000, 3, 32, 32)

Y = np.array(Y)

return X, Y

def load_CIFAR_Labels(filename):

with open(filename, 'rb') as f:

lines = [x for x in f.readlines()]

print(lines)

if __name__ == "__main__":

load_CIFAR_Labels("cifar-10-batches-py/batches.meta")

imgX, imgY = load_CIFAR_batch("cifar-10-batches-py/data_batch_1")

print (imgX.shape)

print ("正在保存图片:")

for i in range(imgX.shape[0]):

imgs = imgX[i - 1]

if i < 100:#只循环100张图片,这句注释掉可以便利出所有的图片,图片较多,可能要一定的时间

img0 = imgs[0]

img1 = imgs[1]

img2 = imgs[2]

i0 = Image.fromarray(img0)

i1 = Image.fromarray(img1)

i2 = Image.fromarray(img2)

img = Image.merge("RGB",(i0,i1,i2))

name = "img" + str(i)

img.save("data/images/"+name+ ".png","png")#文件夹下是RGB融合后的图像

for j in range(imgs.shape[0]):

img = imgs[j - 1]

name = "img" + str(i) + str(j) + ".png"

#print ("正在保存图片" + name)

plimg.imsave("data/image/" + name, img)#文件夹下是RGB分离的图像

print ("保存完毕.")

img0.png

img1.png

img2.png

img3.png

img4.png

img5.png

img6.png

img7.png

img8.png

img9.png

img10.png

然后可以看见其实就是一堆很小的图片，毕竟只有32*32大小，这里面有个小坑需要注意的是，TF中自动下载和导入分割的是bin形式的二进制文件，而通常有些代码中是直接用的python形式的文件，这两者的格式不相同，不能混用。