在涉及目標分類，深度學習理論的基本驗證過程，會接觸到兩類基本的資料集，mnist、cifar10和cifar100，熟悉了解這兩類資料集的特性對後續的實驗是十分重要的，本文主要介紹它們的區別，
基本介紹
cifar100：100類共60000張32x32彩色影象，每類有600張，其中50000個訓練集，10000張為測試集，共100類分為20個超類，所以每個影象都帶有乙個「精細」標籤（它所屬的類）和乙個「粗」標籤（它所屬的超類）。
mnist ：
cifar10/100 :
難度比較
cifar100 > cifar10 > mnist
CIFAR 10模型訓練與視覺化
通過caffe深度學習框架在cifar10資料集訓練得到模型，觀察並分析模型的train loss test loss及accuracy曲線，並對得到的caffemodel進行測試。資料集介紹 cifar 10是乙個使用非常廣泛的物體識別影象資料集，cifar 10資料中包含了60000張32 32...
MNIST機器學習入門 程式與操作
1.ubuntu terminal 2.建立乙個code目錄 mkdir tensorflow code 3.進入tensorflow code cd tensorflow code 4.建立tensorflow mnist 檔案test mnist.py touch test mnist.py 5...
caffe例程一 mnist訓練與測試
說明 ubuntu16.04 caffe 注意 在caffe中執行所有程式，都必須在根目錄下進行，否則會出錯 mnist是乙個手寫數字庫，mnist資料訓練樣本為60000張，測試樣本為10000張，每個樣本為28 28大小的黑白，手寫數字為0 9，因此分為10類。首先切換到caffe根目錄下 su...