CIFAR10是80 million tiny images数据集的一个子集，共包含60000张32*32的小型彩色图标。每张图片有RGB 3个颜色通道。
每张图片表示为一个长32*32*3的3072维向量，每个元素数据格式unit8即256色。其中前1024维为红色向量，中间1024维为绿色向量，尾1024维为蓝色向量。每个向量又以像素点为行优先排列。
CIFAR10数据集由6个文件组成，即data_batch_1~5和test_batch，各由10000张图片构成，其中无重复图像。
test_batch严格由各类别各1000张图片组成，而data_batch1~5各类别的构成数量不定。
数据集的下载：
http://www.cs.toronto.edu/~kriz/cifar.html
数据集的使用（Python版）：
每个文件都是由python生成的pickle类的对象，在python3中，可用如下方式使用文件：
import pickle def unpickle(file): with open(file, 'rb') as fo: dict = pickle.load(fo, encoding='bytes') return dict
该函数返回一个dict字典对象。
可调用如下代码查看关键字：
diction=unpickle('文件所在路径\data_batch_1') #以在windows中打开batch1为例 print(diction.keys())
输出如下：
- dict[b'batch_label]是含当前信息的字符串，比如batch1就是b：'training batch 1 of 5'
- dict[b'data']是一个10000*3072的numpy二维数组，每个行向量表示一个图片。（所以要提前安装numpy包）
- dict[b'labels']是一个长10000的list，元素是0~9，表示dict[b'data‘]中一一对应的每一个图片的类别。
- dict[b'filenames']是一一对应的每一个图片的原文件名（拓展名皆为png）。
batches.meta 文件可以用相同的方法读取，里面存的是一些基本信息。
- num_cases_per_batch
10000
- label_names
['airplane', 'automobile', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck']
- num_vis
3072