- 综合排序
- 最热优先
- 最新优先
- 来自专栏一英里广度一英寸深度的学习
深度学习入门数据集--1.Cifar10数据集
前一段时间写了系列的机器学习入门，本期打算写深度学习入门数据集，第一个入手的是Cifar-10。Cifar-10数据集主要用来做图像识别。 这个数据集包含图像和标签，图像信息由32*32像素大小组成，标签包含10个类别（飞机、汽车、鸟、猫、鹿、狗、青蛙、马、船、卡车）。 这个数据集的目的是，用这些标注好的数据训练深度学习模型，使模型能够识别图片中的目标。比如，我们可以通过这个神经网络识别猫vs狗。 一、数据集 官网地址 官网上提供多种格式数据集，我们选bin。 CIFA-10 前25条数据 相关代码： import numpy as np from scipy.misc import imsave import matplotlib.pyplot cifar10_train.py，如果数据集没有下载，那么要重新下载数据集，运行结果如下： Filling queue with 20000 CIFAR images before starting
3K20发布于 2019-03-14 - 来自专栏Python编程 pyqt matplotlib
CIFAR-10 数据集介绍
CIFAR-10和CIFAR-100是带有标签的数据集，都出自于规模更大的一个数据集，它有八千万张小图片（http://groups.csail.mit.edu/vision/TinyImages/）。 CIFAR-10和CIFAR-100的共同主页是：http://www.cs.toronto.edu/~kriz/cifar.html CIFAR-10数据集共有60000张彩色图像，这些图像是32*32 下面这幅图就是列举了这10个分类，每一类展示了随机的10张图片： ? 该数据集有有如下三种版本： ? python版本下载并解压后包含以下文件： ? 其中的html文件是数据集的官网网页。 下面的代码可以将CIFAR-10 数据集解析到Numpy数组 import numpy as np from matplotlib import pyplot as plt import os def "batches.meta")) names = label_names[b'label_names']#分类结果字节字符串 if __name__ == "__main__": #测试数据集是否加载成功
7.6K00发布于 2019-12-10 - 来自专栏机器学习实践二三事
转换Cifar10数据集
Cifar10数据集不讲了吧，入门必备，下载地址: https://www.cs.toronto.edu/~kriz/cifar.html 官方提供三种形式的下载: 可以看出是不提供图片形式的下载的 ，需要进行数据转换，虽然可以直接读成ndarray，但是对于初学者可能读图更直观点 自己写了个转换程序(将bytes形式的文件转换为图片并分类存储): def recover_cifar10(cifar10 _dir): """Save cifar 10 data(only training data) to files. Args: cifar10_dir: cifar 10 dataset path(python version). /data/cifar10' def save_batch(path): with open(path, 'rb') as fo: batch_data
2K60发布于 2018-01-02 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
AI Earth数据集——中国10米地物分类数据集(AIEC)
AIEarth中国10米地物分类数据集(AIEC) 简介与Notebook示例¶ 达摩院AI Earth团队自研的中国区10m分辨率地物分类产品，数据包含2020-2022年中国逐年土地覆盖信息。 AI EarthSentinel地物分类中国年度产品 AI Earth中国10米地物分类数据集(AIEC)是一个用于地物分类的数据集。 该数据集包含了中国范围内的高分辨率遥感影像，并对影像中的地物进行分类。前言 – 人工智能教程 AIEC数据集的分辨率为10米，覆盖了中国的各个地区。 AIEC数据集是由人工智能技术自动进行地物分类得到的，具有较高的准确性和可靠性。数据集可以用于训练和评估地物分类模型，以提高地物分类的精度和效果。 并做好数据集引用说明。
2.5K00编辑于 2024-05-24 - 来自专栏人工智能与演化计算成长与进阶
Tensorflow 读取 CIFAR-10 数据集
参考文献Tensorflow 官方文档[1] > tf.transpose 函数解析[2] > tf.slice 函数解析[3] > CIFAR10/CIFAR100 数据集介绍[4] > tf.train.shuffle_batch 并将其转化为int32型数据。 这和此数据集存储图片信息的格式相关。 # CIFAR-10数据集中 """第一个字节是第一个图像的标签，它是一个0-9范围内的数字。 从阅读器中构造CIFAR图片管道 def input_pipeline(batch_size, train_logical=False): # train_logical标志用于区分读取训练和测试数据集 /CIFAR100数据集介绍: http://blog.csdn.net/u013555719/article/details/79343353 [5]tf.train.shuffle_batch函数解析
1.7K10发布于 2020-08-14 - 来自专栏Python编程 pyqt matplotlib
CIFAR-10数据集 图像识别
本篇我们还是用序列化的（串行的）卷积神经网络，基于CIFAR-10数据集创建图像识别模型。 = tf.keras.datasets.cifar10 #(x_train, y_train), (x_test, y_test) = cifar10.load_data() #从网络下载数据集 x_train loss='sparse_categorical_crossentropy', metrics=['accuracy']) tf.keras.Model.fit()进行测试试数据与模型的拟合 可以看出，训练完后模型在验证集上的预测准确度高达98%。 _model.h5') #利用加载后的模型对整个验证集做预测 #预测一组样本 #y_ = new_model.predict(x_test) #result = tf.argmax(y_, 1) #
1.8K10发布于 2019-12-25 - 来自专栏python pytorch AI机器学习实践
CIFAR10数据集实战-数据读取部分（下）
本节课继续主要介绍CIFAR10数据集的读取 cifar_train = DataLoader(cifar_train, batch_size=batchsz, ) # 按照其要求，这里的参数需要有batch_size batch_size def main(): batchsz=32 # 这个batch_size数值不宜太大也不宜过小 cifar_train = datasets.CIFAR10 =True) # 直接在datasets中导入CIFAR10数据集，放在"cifar"文件夹中 cifar_train = DataLoader(cifar_train, batch_size () # 将数据转化到Tensor中 ]), download=True) # 直接在datasets中导入CIFAR10数据集，放在"cifar"文件夹中 () # 将数据转化到Tensor中 ]), download=True) # 直接在datasets中导入CIFAR10数据集，放在"cifar"文件夹中
2K30发布于 2019-12-19 - 来自专栏python pytorch AI机器学习实践
CIFAR10数据集实战-数据读取部分（上）
本节课主要介绍CIFAR10数据集 登录http://www.cs.toronto.edu/~kriz/cifar.html网站，可以自行下载数据集。 打开页面后 ? 前讲的MNIST数据集为0~9的数字识别，而这里的为10类物品识别。由上可见物品包含有飞机、汽车、鸟、猫等。照片大小为32*32的彩色图片。 继续定义数据集代码 def main(): cifar_train = datasets.CIFAR10('cifar', train=True, transform=transforms.Compose transforms.ToTensor() # 将数据转化到Tensor中 ])) # 直接在datasets中导入CIFAR10数据集，放在"cifar "文件夹中 这里暂时不写Normalize函数 写到这里别忘了让pytorch自己下载数据集 在代码后面加入download=True即可实现 ]), download=True) Cifar_train
2.7K10发布于 2019-12-19 - 来自专栏机器学习AI算法工程
共享单车数据集超10万条
共享单车数据集超10万条 获取方式： 转发本文至朋友圈，截图发给本微信公众号 datayx 即可。 23个优秀的机器学习训练公共数据集 帕尔默企鹅数据集 共享单车需求数据集 葡萄酒分类数据集 波士顿住房数据集 电离层数据集 Fashion MNIST 数据集 猫与狗数据集 威斯康星州乳腺癌（诊断）数据集 本质上，这个数据集是 MNIST 数据集的变体，它与 MNIST 数据集具有相同的结构，也就是说它有一个 60,000 个样本的训练集和一个 10,000 个服装图像的测试集。 /kazanova/sentiment140) 10.BBC 新闻数据集 我们再来看这个类别中另一个有趣的文本数据集。 该数据集包含了来自亚马逊的产品评论和元数据，包括 1996 年 5 月至 2018 年 10 月的 2.331 亿条评论。
2.9K31发布于 2021-09-02 cifar10数据集模型搭建与训练
/cifar10/trainLabels.csv' test_csv_file = './cifar10/sampleSubmission.csv' train_folder = '. /cifar10/train/' test_folder = '. /cifar10/test' def parse_csv_file(filepath, folder): """Parses csv files into (filename(path), label test_predict = model.predict_generator(test_generator, workers = 10 /cifar10/submission.csv" generate_submissions(output_file, test_predict_class) # %%
31100编辑于 2025-07-18- 来自专栏python pytorch AI机器学习实践
CIFAR10数据集实战-ResNet网络构建（上）
本部分介绍如何采用ResNet解决CIFAR10分类问题。 ? 之前讲到过，ResNet包含了短接模块（short cut）。本节主要介绍如何实现这个模块。 先建立resnet.py文件。 如图 ?
1.4K20发布于 2020-01-14 骨折分类数据集1129张10类别
数据集类型：图像分类用，不可用于目标检测无标注文件 数据集格式：仅仅包含jpg图片，每个类别文件夹下面存放着对应图片 图片数量(jpg文件个数)：1129 分类类别数：10 类别名称:["avulsion_fracture
21800编辑于 2025-07-20- 来自专栏python pytorch AI机器学习实践
CIFAR10数据集实战-ResNet网络构建（中）
1024, h, w] x = self.blk1(x) x = self.blk2(x) x = self.blk3(x) x = self.blk4(x) 由于我们要进行10 分类问题，要将添加代码 self.outlayer = nn.Linear(1024, 10) 和 x = self.outlayer(x) return x 为确定具体维度大小，我们先构建假数据 def = > [b, 1024, h, w] self.blk4 = ResBlk(512, 1024) self.outlayer = nn.Linear(1024, 10
95710发布于 2020-02-24 - 来自专栏python pytorch AI机器学习实践
CIFAR10数据集实战-ResNet网络构建（下）
nn.Conv2d(ch_in, ch_out, kernel_size=1, stride=stride), 这时运行的输出为 torch.Size([2, 128, 16, 16]) 这时为检测整个数据是否 model(x) print('resnet:', out.shape) 运行后报错： RuntimeError: size mismatch, m1: [65536 x 32], m2: [1024 x 10 print('after conv:', x.shape) x = self.outlayer(x) 该段输出 after conv: torch.Size([2, 1024, 32, 32]) 首先为减小数据量 after conv: torch.Size([2, 1024, 2, 2]) after pool: torch.Size([2, 1024, 1, 1]) resnet: torch.Size([2, 10 ]) 最后输出为10个，对应于十分类问题。
1.3K10发布于 2020-02-24 - 来自专栏算法channel
Kaggle最受欢迎的10个竞赛数据集
硬件再牛，也难以招架业务场景中产生的数据，提高算法性能和计算速度是永远的话题。 最近有人问有没有相关数据集，这几天抽时间整理了以下数据集，标题即是Kaggle竞赛题目，可以直接搜索获得赛题详细介绍，在此列出10个参赛队伍最多的竞赛题及标签，最重要的是提供数据集的下载。 10 San Francisco Crime Classification 多分类预测 Predict the category of crimes that occurred in the city
23K152发布于 2018-09-30 - 来自专栏数据科学和人工智能
数据集 | 图书数据集
下载数据集请登录爱数科(www.idatascience.cn) 由电商平台爬取的图书信息，包括书名、出版信息、当前价格等。 1. 字段描述 2. 数据预览 3. 字段诊断信息 4. 数据来源 当当网搜索页面爬取。
3.3K40编辑于 2022-03-30 - 来自专栏数据科学和人工智能
数据集 | 行星数据集
下载数据集请登录爱数科(www.idatascience.cn) 其记录了2014年之前天文学家在恒星（除了太阳）周围发现的行星的信息。 1. 字段描述 2. 数据预览 3. 数据来源 来源于UCI机器学习库。
2.4K20编辑于 2022-03-30 - 来自专栏数据科学和人工智能
数据集 | 鲍鱼数据集
下载数据集请登录爱数科(www.idatascience.cn) 通过物理测量预测鲍鱼的年龄。 从原始数据中删除了缺失值的样本，并且对连续值的范围进行了缩放。数据集共4177个样本，8个字段 1. 字段描述 2. 数据预览 3. 字段诊断信息 4. 数据来源 Warwick J Nash, Tracy L Sellers, Simon R Talbot, Andrew J Cawthorn and Wes B Ford (1994) "The Population 数据引用 Nash W J, Sellers T L, Talbot S R, et al.
3.2K40编辑于 2022-03-30 - 来自专栏数据科学和人工智能
数据集 | 订购数据集
下载数据集请登录爱数科(www.idatascience.cn) 该数据集记录了一家全球超市4年的订购数据，包含订单的订单号、下单时间、发货时间、运输模式、顾客名称和地区等信息。 1. 数据预览 3. 字段诊断信息 4. 数据来源 来源于Kaggle。
2.5K30编辑于 2022-03-30 - 来自专栏数据科学和人工智能
数据集 | 小费数据集
下载数据集请登录爱数科(www.idatascience.cn) 小费数据集 1. 字段描述 2. 数据预览 3. 字段诊断信息 4. 数据来源
2.1K20编辑于 2022-03-30
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号