用自己的数据制作python版本cifar10数据集，该版本为替换版本，替换标签为9的数据。需要准备6000张图片，替换整合为6个二进制cifar10数据集

使用tensorflow写的resnet-110训练cifar10数据，以及inceptionv3的一个网络（不带数据集），DenseNet在写（后续更新）

做cs231n时候的作业上使用到的机器学习分类数据集。 国内下载速度巨慢，而且还需要使用linux系统才能运行那个脚本，因此直接贴在CSDN上。 The CIFAR-10 and CIFAR-100 are labeled subsets of the 80 million tiny images dataset. They were collected by Alex Krizhevsky, Vinod Nair, and Geoffrey Hinton. The CIFAR-10 dataset The CIFAR-10 dataset consists of 60000 32x32 colour images in 10 classes, with 6000 images per class. There are 50000 training images and 10000 test images. The dataset is divided into five training batches and one test batch, each with 10000 images. The test batch contains exactly 1000 randomly-selected images from each class. The training batches contain the remaining images in random order, but some training batches may contain more images from one class than another. Between them, the training batches contain exactly 5000 images from each class.

经典的深度学习练习数据集，batch的形式，共六个，五个training，一个testing

cifar-10数据集,里面有5个data_batch和一个test_batch,共60000张。

cifar数据集，适合python开发，亲测，

cifar100 pyhon版本的数据集，文件夹里添加加一个load_data.py代码，用于演示如何提取所需100数据集文件,有兴趣的可以下载使用

这个是我从官方下载cifar10的源文件，然后通过可视化代码从二进制文件中提取出来的图片，供大家学习参考。

CIFAR-10 60000张 32X32 彩色图像 10类，50000张训练，10000张测试，包含标签，直接使用 方便快捷下载

cifar10图片集，由原始数据集转换而来的cifar10图片集