Advertisement

A ResNet for CIFAR-10 classification task

阅读量：

模仿何凯明的ResNet论文准确率达到0.9以上。然而准确率尚未超过该水平。由于采用了不同数量的残差网络模块（分别为101层和152层），该研究与仅包含34层的模型存在显著差异。

复制代码 
 import tensorflow as tf

    
 import  os
    
 import numpy as np
    
 import pickle
    
  
    
 # 文件存放目录
    
 CIFAR_DIR = "./cifar-10-batches-py"
    
  
    
  
    
 def load_data(filename):
    
     '''read data from data file'''
    
     with open(filename, 'rb') as f:
    
     data = pickle.load(f, encoding='bytes') # python3 需要添加上encoding='bytes'
    
     return data[b'data'], data[b'labels'] # 并且 在 key 前需要加上 b
    
  
    
 class CifarData:

全部评论 (0)

还没有任何评论哟~

相关文章推荐