cifar CIFAR数据集是虚拟目录
(teachingcomputerstorecognizeobjects ) )的子集主要由三位教授从谷歌和各种搜索引擎的图像中收集。
备注： cifar官网
1.cifar10由60000张32*32彩色图像组成，图像有10种，每类有6000张图像。 分别包含50000个训练图像和10000个测试图像。
类型为以下：
2 .名为cifar10的数据集与cifar10类似。 有100个类，每个类包含600个图像，600个图像包含500个训练图像和100个测试图像。 100类实际上由20个类组成。 每个类包含五个子类。 (5*20=100 )。
类型如下：
3 .数据结构(Python版本) cifar10的数据格式如下：
1标签3072像素. 1标签3072像素的第一个字节是第一个图像的标签，是0-9范围内的数字。 以下3072字节是图像像素的值。 前1024个字节是红色通道值，后1024个绿色，最后1024个蓝色。
CIFAR-100二进制版本与CIFAR-10二进制版本类似，但每个图像有两个标签字节(粗略和精细)和3072像素字节，因此二进制文件如下所示：
1 x粗标签1 x精标签3072 x像素.1 x粗标签1 x精标签3072 x像素cifar100 python版本的数据结构defunpickle(file ) :importpicklewithopen (文件)， ' Rb ' (asfo : dict=pickle.load (fo，encoding='bytes ' ) returnDICT.keys ) #DICT_keys ) ) b'data，b '
序列化过程将文本信息转换为二进制数据流，使其更容易存储在硬盘上。 另外，需要读取文件时，从硬盘读取数据。
反序列从文件中检索原始数据，如字符串、列表和词典。
PIL将三种颜色的像素组合存储在一张图像中
matplotlib.image负责将黑白通道的二维排列保存为一张图像
4.1 cifar10可视化： importnumpyasnpfrompilimportimportpickleimportosimportmatplotlib.imageasplimgchannel=3width=32 heigh classification=['airplane '、' automobile '、' bird '、' cat '、' deer '、' dog '、' frog '， ' hhot' 'truck']forIinrange(5) : withopen (./cifar-10-batches-py/data _ batch _ ' str ) I1 )， mode='Rb'(asfile:#数据集在脚本的上一个文件夹下由data_dict=pickle.load(file，encoding='bytes ' ) data=list () data _ path='./pic3/' ifno tos.path.exists (data _ path ) 3360OS.makedirs(data_path ) forIinrange ) 110也是自己b ) IR=image.fromarray(r ) ig=Image.fromarray(g ) g ) ib=Image.fromarray(b ) RGB=image.merge )，(id ) ima ib ) name='img-'str(I )-' class ification [ labels [ I ] ] '.png ' RGB.save (数据_ pathname，' png ' ) )
4.2 cifar100 cifar100的文件结构与cifar10不同，数据在一个文件夹中只有50000张图像，有两个选项卡，通过返回的dict密钥可以看到该选项卡。
知道了那个和cifar10之后，改写前一段代码就可以实现了。
#-* -编码： utf-8-* - importpickleaspimportnumpyasnpimportmatplotlib.pyplotaspltimportmatplotlib.imageasplimgfrompilimportimagedefload _ cifatiord r'''withopen(filename，' rb ' ) as f :数据dict=p.load (f ) f，encoding='bytes ' ) # x=data dict [ b ' data 32 ) x=data dict [ b ' data ' ] y=data dict [ b ' coarse _ labels ' ] data dict [ b ' fine _ labels ' ] x=x.reshape (55292; yif_name_=='__main_':#imgx，imgy=load _ cifar _ batch ('./cifar-10-batches-py/() ) 正在存储imgy=load _ cifar _ batch (./cifar-100-python/train ) ) print (imgx.shape ) print ) (图像： ) ) forror 删除这个注释可以很容易地检索所有图像，图像会变多。 一定时间img0=imgs [0] img1=imgs [1] img2=imgs [2] i0=image.from array (img0) i1=image.from array (img1) I2 ) i2 ) ) name=(img ) str ) ).png ) img.save )./PIC1/'name，' png ' ) #文件夹下是RGB融合后的图像forjinrange(imgs.shape
注意：还在其他文件夹中存储了三种颜色的单通道图像