Python3用于分析CIFAR-10图像数据集

当我们学习TensorFlow中的Mnist和Cifar实例时，默认情况下官方文档中提供的教学资料多是以图片形式呈现的，并且具有很强的画面感和直观性。然而，在实际操作中当程序下载并获取数据后 员工或研究者通常会遇到困难因为这些数据以二进制文件形式存在 体积较大且使用普通的文本编辑器打开后无法预览具体内容 如果能够将这些数据转化为可视化的图像展示出来 将有助于更好地理解和分析

(1)CIFAR-10数据集介绍

① CIFAR-10数据集由6万张32×32像素彩色图像组成，并分为10个类别共1万张训练图像与1千张测试图像构成的数据集共有1万张训练图像与1千张测试图像构成。
该数据集被划分为5个训练批次与1个测试批次每批次包含1万张图像其中一些批次可能在各类别中拥有不同数量的图像。
每个批次中的图像按照随机顺序排列。
其中5个训练批次各包含5千张同一类别的图像而测试批次则从每类中随机选取了千张图像作为样本。
② data是一个大小为(1×10, 3, 3, 3, 3) uint8s三维数组其中每一行代表一张32×32像素的彩色图片。
具体来说第一个通道（红色）占据前1千2百位第二个通道（绿色）占据随后的一千二百位第三个通道（蓝色）占据最后的一千二百位。
由于数组采用行优先存储方式因此前半部分即为所有图片的第一个红色通道值后半部分依次排列着各个通道的信息。
labels则是一个长度为一