TensorFlow基于CIFAR10数据集的卷积神经网络CNN实现

该压缩包包括了TensorFlow基于CIFAR10数据集的卷积神经网络的代码实现，以及多个测试结果的测试图片。

# coding: utf-8

# Python2
# from __future__ import print_function division
# import tensorflow as tf
# import numpy as np
# import matplotlib.pyplot as plt
# import cPickle as pickle
# import seaborn

# Python3
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
import _pickle as pickle
import seaborn


def unpickle（filename）:
    ‘‘‘解压数据‘‘‘
    # Python2
    # with open（filename） as f:
    #     d = pickle.load（f）
    #     return d
    
    # Python3
    with open（filename ‘rb‘） as f:
        d = pickle.load（f encoding=‘latin1‘）
        return d


def onehot（labels）:
    ‘‘‘one-hot 编码‘‘‘
    n_sample = len（labels）
    n_class = max（labels） + 1
    onehot_labels = np.zeros（（n_sample n_class））
    onehot_labels[np.arange（n_sample） labels] = 1
    return onehot_labels


# 训练数据集
data1 = unpickle（‘cifar10-dataset/data_batch_1‘）
data2 = unpickle（‘cifar10-dataset/data_batch_2‘）
data3 = unpickle（‘cifar10-dataset/data_bat

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       5615  2016-12-28 10:43  cnn-tensorflow-cifar10\cnn-TensorFlow-cifar10.py

     文件      73098  2016-12-28 10:44  cnn-tensorflow-cifar10\cnn-tf-cifar10-0.3218.png

     文件      67745  2016-12-28 10:44  cnn-tensorflow-cifar10\cnn-tf-cifar10-0.3329.png

     文件      65355  2016-12-28 10:44  cnn-tensorflow-cifar10\cnn-tf-cifar10-0.3654.png

     文件      66975  2016-12-28 10:44  cnn-tensorflow-cifar10\cnn-tf-cifar10-0.4215.png

     文件      81084  2016-12-28 10:44  cnn-tensorflow-cifar10\cnn-tf-cifar10-0.5814.png

     文件      72932  2016-12-28 10:44  cnn-tensorflow-cifar10\cnn-tf-cifar10-0.5838.png

     文件      71373  2016-12-28 10:44  cnn-tensorflow-cifar10\cnn-tf-cifar10-0.5902.png

     文件      76310  2016-12-28 10:44  cnn-tensorflow-cifar10\cnn-tf-cifar10-0.5956.png

    ..AD...         0  2016-12-28 10:49  cnn-tensorflow-cifar10

----------- ---------  ---------- -----  ----

               580487                    10