<返回Alex Krizhevsky的主頁

CIFAR-10和CIFAR-100被標記為 8000萬個小圖像 數據集的子集。他們由Alex Krizhevsky，Vinod Nair和Geoffrey Hinton收集。

CIFAR-10數據集

CIFAR-10數據集由10個類別的60000個32x32彩色圖像組成，每個類別有6000個圖像。有50000個訓練圖像和10000個測試圖像。?

數據集分為五個訓練批次和一個測試批次，每個批次和10000個圖像。測試批次包含來自每個類的正好1000個隨機選擇的圖像。訓練批次以隨機順序包含剩余的圖像，但是一些訓練批次可能包含來自一個課程的更多圖像。在他們之間，培訓批次包含每個類別的正好5000個圖像。?

以下是數據集中的類，以及每個類的10個隨機圖像：

飛機
汽車
鳥
貓
鹿
狗
青蛙
馬
船
卡車

這些課程是完全相互排斥的。汽車和卡車之間沒有重疊。“汽車”包括轎車，SUV，這樣的事情。“卡車”只包括大型卡車。既不包括皮卡車。

下載

如果您要使用此數據集，請引用本頁底部的技術報告。?

版	尺寸	的md5sum
CIFAR-10 python版本	163 MB	c58f30108f718f92721af3b95e74349a
CIFAR-10 Matlab版本	175 MB	70270af85842c9e89bb428ec9976c926
CIFAR-10二進制版本（適用于C程序）	162 MB	c32a1d4ab5d03f1284b67883e8d87530

基線結果

您可以 在cuda-convnet的項目頁面 上找到關于此數據集的一些基線可復制結果。這些結果是用卷積神經網絡獲得的。簡而言之，它們在沒有數據增加的情況下是18％的測試錯誤，而11％的測試錯誤。此外， Jasper Snoek 還有一篇 新文章 ，他使用貝葉斯超參數優化來找到重量衰減和其他超參數的漂亮設置，這使得他能夠使用網絡架構獲得15％的測試錯誤率（無數據增加）有18％。

其他結果

Rodrigo Benenson 已經很善于在他的網站上收集CIFAR-10/100和其他數據集的結果;? 點擊這里 查看。

數據集布局

Python / Matlab版本

我將描述數據集的Python版本的布局。Matlab版本的布局是一樣的。?

歸檔包含文件 data_batch_1 ， data_batch_2 ，...， data_batch_5 以及 test_batch 。這些文件中的每一個都是使用 cPickle 生成的Python“腌制”對象。這是一個python2例程，它將打開這樣一個文件并返回一個字典： def unpickle（file）：導入cPickle用open（file，'rb'）作為fo：dict = cPickle.load（fo）返回字典 和一個python3版本： def unpickle（file）：進口泡菜用open（file，'rb'）作為fo：dict = pickle.load（fo，encoding ='bytes'）返回字典 以這種方式加載，每個批處理文件都包含一個具有以下元素的字典：

• 數據?-一個10000x3072?numpy的陣列UINT8秒。陣列的每一行都存儲32x32彩色圖像。前1024個條目包含紅色通道值，接下來的1024個綠色，最后1024個藍色。圖像以行主順序存儲，因此陣列的前32個條目是圖像的第一行的紅色通道值。
• 標簽?- 范圍為0-9的10000個數字的列表。索引i處的數字表示陣列數據中第i個圖像的標號。

數據集包含另一個名為 batches.meta的 文件。它也包含一個Python字典對象。它具有以下條目：

• label_names?- 一個10元素列表，為上述標簽數組中的數字標簽提供有意義的名稱。例如，label_names [0] ==“airplane”，label_names [1] ==“汽車”等

二進制版本

二進制版本包含文件 data_batch_1.bin ， data_batch_2.bin ，...， data_batch_5.bin 以及 test_batch.bin 。這些文件的格式如下： <1 x label> <3072 x像素> ... <1 x label> <3072 x像素> 換句話說，第一個字節是第一個圖像的標簽，它是0-9范圍內的數字。接下來的3072個字節是圖像像素的值。前1024個字節是紅色通道值，接下來的1024個綠色，最后1024個是藍色。這些值以行主順序存儲，因此前32個字節是圖像第一行的紅色通道值。?

每個文件包含10000個這樣的3073字節的“行”的圖像，盡管 沒有分隔行 。因此，每個文件應該是30730000字節長。?

還有一個名為batches.meta.txt的文件 。這是一個ASCII文件，將范圍為0-9的數字標簽映射到有意義的類名。它只是10個類名的列表，每行一個。行 i 上的類名稱對應于數字標簽 i 。

CIFAR-100數據集

該數據集就像CIFAR-10，除了它有100個類，每個包含600個圖像。每班有500個訓練圖像和100個測試圖像。CIFAR-100中的100個課程分為20個超類。每個圖像都帶有一個“精細”標簽（它所屬的類）和一個“粗”標簽（它所屬的超類）。
以下是CIFAR-100中的課程列表：

超	類
水生哺乳動物	海貍，海豚，水獺，印章，鯨魚
魚	水族館魚，鰈魚，ray魚，鯊魚，鱒魚
花卉	蘭花，罌粟花，玫瑰，向日葵，郁金香
食品容器	瓶，碗，罐，杯子，盤子
水果和蔬菜	蘋果，蘑菇，橙子，梨，甜椒
家用電器	時鐘，電腦鍵盤，燈，電話，電視
家用家具	床，椅子，沙發，桌子，衣柜
昆蟲	蜜蜂，甲蟲，蝴蝶，毛蟲，蟑螂
大食肉動物	熊，豹，獅，虎，狼
大型人造戶外用品	橋，城堡，房子，道路，摩天大樓
大自然戶外場景	云，森林，山，平原，海
大型雜食動物和食草動物	駱駝，牛，黑猩猩，大象，袋鼠
中型哺乳動物	狐貍，豪豬，負鼠，浣熊，臭鼬
非昆蟲無脊椎動物	螃蟹，龍蝦，蝸牛，蜘蛛，蠕蟲
人	寶貝，男孩，女孩，男人，女人
爬行動物	鱷魚，恐龍，蜥蜴，蛇，龜
小型哺乳動物	倉鼠，老鼠，兔，rew，松鼠
樹木	楓樹，橡樹，棕櫚，松樹，柳樹
車輛1	自行車，公共汽車，摩托車，皮卡車，火車
車輛2	割草機，火箭，有軌電車，坦克，拖拉機

是的，我知道蘑菇不是真的水果或蔬菜，而熊不是真正的食肉動物。?

下載

版	尺寸	的md5sum
CIFAR-100 python版本	161 MB	eb9058c3a382ffc7106e4002c42a8d85
CIFAR-100 Matlab版本	175 MB	6a4bfa1dcd5c9453dda6bb54194911f4
CIFAR-100二進制版本（適用于C程序）	161 MB	03b5dce01913d631647c71ecec9e9cb8

數據集布局

Python / Matlab版本

python和matlab版本的布局與CIFAR-10相同，所以我不會浪費在這里描述的空間。

二進制版本

CIFAR-100的二進制版本就像CIFAR-10的二進制版本，不同之處在于每個圖像都有兩個標簽字節（粗略和精細）和3072像素字節，因此二進制文件如下所示： <1 x粗標簽> <1 x精細標簽> <3072 x像素> ... <1 x粗標簽> <1 x精細標簽> <3072 x像素>

指數進入原始的8000萬個小圖像數據集

Sivan Sabato很善于提供 這個文件 ，它將CIFAR-100圖像映射到8000萬個小圖像數據集中的圖像。Sivan寫： 該文件有60000行，每行包含單個索引到小數據庫， 其中小數據庫中的第一個圖像被索引為“1”。“0”表示不是從小數據庫的圖像。 前50000行對應于訓練集，最后10000行對應 到測試集。

參考

該技術報告（第3章）描述了在更詳細地收集數據集和所采用的方法。如果您打算使用此數據集，請引用它。?

• 學習細微圖像的多層功能，Alex Krizhevsky，2009。

總結

以上是生活随笔為你收集整理的cifar10-cifar100各种版本下载的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。