CIFAR-10代码学习笔记01

1.pickle模块

def unpickle(file):
    
    with open(file, 'rb') as fo:
        dict = pickle.load(fo, encoding='bytes')
    return dict

• open函数：open(file, ‘rb’)

  • file :必需，文件路径（相对或者绝对路径）
  • ‘rb’ :以二进制格式打开一个文件用于只读。文件指针将会放在文件的开头。这是默认模式。一般用于非文本文件如图片等。
  • open函数

• pikle模块：模块 pickle 实现了对一个 Python 对象结构的二进制序列化和反序列化(用于python特有的类型和python的数据类型间进行转换)

  • pickle.load(file,encoding=“ASCII”) : 默认encoding方式“ASCII”，这里要改成“bytes”

———————————————————————————————————————————————————————

2.（numpy数组操作）reshape,transpose,astype

n = len(images)
images = images.reshape(n,3,32,32).transpose(0,2,3,1).astype(float)/255

• a.reshape(shape, order=‘C’)：

  • order：‘C’ – 按行，‘F’ – 按列，‘A’ – 原顺序，‘k’ – 元素在内存中的出现顺序。
  • shape: 数组的形状

• a.transpose(*axes)：对于n维数组，如果给出了轴，则按其顺序指示
  轴置换；代码中的shape由（n,3,32,32）转换成了（n,32,32,3）,图片的尺寸是32323 的

• a.astype(dtype, order=‘K’, casting=‘unsafe’, subok=True, copy=True):

  • dtype: int,float…
  • order: 默认为’K’

———————————————————————————————————————————————————————

3. keras.utils.to_categorical

keras.utils.to_categorical(y, num_classes=None, dtype='float32')

• 将类向量（整数）转换为二进制类矩阵。(用于 categorical_crossentropy)
• 参数：
  • y: 需要转换成矩阵的类矢量 (从 0 到 num_classes 的整数)。
  • num_classes: 总类别数。
  • dtype: 字符串，输入所期望的数据类型 (float32, float64, int32…)