Python3.x用于分析CIFAR-10数据集图片

用Python3.x解析CIFAR-10数据集图片

当我们学习TensorFlow中的Mnist和Cifar实例时，默认情况下官方文档中的讲解通常以图片形式呈现，并具有直观易懂的特点。当访问程序下载的数据时，默认情况下这些数据均为二进制文件，并且这些文件体积较大。用文本编辑器查看则难以理解其含义。如要将数据还原为图像形式则需要额外的操作步骤。

(1)CIFAR-10数据集介绍

① CIFAR-10数据集总共包含了6万张32x32分辨率的彩色图片，并划分为十个类别。其中包含了5万张训练图片和1万张测试图片。
该数据集被划分为五个训练区块和一个测试区块，在每一个区块中都含有1万张图片。
测试区块从每个类别中随机选取了约一千张图片，并将其整合到测试集中。
各个训练区块内的图片按随机顺序排列存放。
值得注意的是，在不同的训练区块内同一类别的图片数量可能存在差异，
具体来说，
每一个类别在五个训练区块中共拥有五千张图片。
② data——一个大小为[batch_size, height, width, channels] = [?, ?, ?, ?] 的无符号8位整型数组（uint8s）。
这个数组每一行都存储一张高度与宽度均为32像素、通道数为三（红、绿、蓝）的颜色图。
具体来说：
前半部分（第一个?）存储红色通道值，
中间部分（第二个?）存储绿色通道值，
后半部分（第三个?