Cifar10图像分类任务

  • CIFAR-10数据集包含10小类,60,000个32*32的彩色图像。有50,000个训练图像和10,000个测试图像。
  • CIFAR-100数据集包含100个小类,每小类包含600个图像,其中有500个训练图像和100个测试图像。100类被分组为20个大类。每个图像带有1个小类的"fine"标签和1个大类的"coarse"标签。

Cifar10图像数据解析

Cifar数据打包和数据读取

  • tf.train.string_input_producer

TensorFlow训练框架搭建

  • Data
  • Net
  • Loss
  • Summary
  • Session

TensorFlow挑战Cifar10编程案例

  • 训练代码
  • 测试代码
  • Tensorboard调试
  • 模型优化

如何优化Cifar图像分类任务

  • 更多的数据增强策略,比如mixup
  • 更好的主干网络结构,比如SENet
  • 更好的标签策略,比如Soft-label策略
  • 更好的Loss设计,比如采用分类+回归smooth-l1 loss
  • 不同的优化器、参数初始化方法等