Tensorflow Cifar-10图像分类任务

基于TensorFlow的人脸识别智能小程序的设计与实现 Tensorflow Cifar-10图像分类任务

1 Cifar10图像分类任务

• CIFAR-10数据集包含10小类，60000个32*32的彩色图像。有50000个训练图像和10000个测试图像
• CIFAR-100数据集包含100小类，每小类包含600个图像，其中有500个训练图像和100个测试图像。100类被分组为20个大类。每个图像带有1个小类的"fine”标签和1个大类"coarse"标签。

2 Cifar10图像数据解析

1
2
3
4
5

def unpickle(ile):
    import pickle
    with open(file,'rb') as fo:
        dict = pickle.load(fo,encoding='bytes')
    return dict

3 Cifar10数据打包和数据读取

1
2
3

tf.train.string input producer
Train.tfrecord
Test.tfrecord

4 TensorFlow训练框架搭建

• Data
• Net
• Loss
• Summary
• Session

5 TensorFlow挑战Cifar10编程案例

• 训练代码
• 测试代码
• Tensorboard调试
• 模型优化

6 如何优化Cifar10图像分类任务

• 更多的数据增强策略，比如: mixup等
• 更好的主干网络结构，比如: SENet等
• 更好的标签策略，比如: Soft-label策略
• 更好的loss设计，比如:采用分类+回归smooth-l1 loss等
• 不同的优化器、参数初始化方法等

7 实例代码

https://github.com/ieblYang/CIFAR-10

– ieblYang