- 21个项目玩转深度学习：基于TensorFlow的实践详解
- 何之源
- 434字
- 2020-08-28 01:50:40
2.4 总结
在本章中，首先介绍了CIFAR-10数据集。借助CIFAR-10介绍了TensorFlow读写数据的原理、数据增强的原理等，还使用TensorFlow训练了一个CIFAR-10识别模型，取得了较高的识别准确率。最后介绍了ImageNet数据集及在该数据集上比较重要的几类模型。尽管ImageNet数据集使用的模型比较复杂，但读者可以类比CIFAR-10数据集使用的方法进行理解，它们的原理是共通的。
拓展阅读
✪ 关于CIFAR-10数据集，读者可以访问它的官方网站https://www.cs.toronto.edu/~kriz/cifar.html了解更多细节。此外，网站http://rodrigob.github.io/are_we_there_yet/build/classification_datasets_results.html#43494641522d3130中收集了在CIFAR-10数据集上表现最好的若干模型，包括这些模型对应的论文。
✪ ImageNet数据集上的表现较好的几个著名的模型是深度学习的基石，值得仔细研读。建议先阅读下面几篇论文：ImageNet Classification with Deep Convolutional Neural Networks（AlexNet的提出）、Very Deep Convolutional Networks for Large-Scale Image Recognition（VGGNet）、Going Deeper with Convolutions（GoogLeNet）、Deep Residual Learning for Image Recognition（ResNet）。
✪ 在第2.1.3节中，简要介绍了TensorFlow的一种数据读入机制。事实上，目前在TensorFlow中读入数据大致有三种方法：（1）用占位符（即placeholder）读入，这种方法比较简单；（2）用队列的形式建立文件到Tensor的映射；（3）用Dataset API读入数据，Dataset API是TensorFlow 1.3版本新引入的一种读取数据的机制，可以参考这篇中文教程：https://zhuanlan.zhihu.com/p/30751039。