Cifar-10由60000张32*32的RGB彩色图片构成，共10个分类。50000张训练，10000张测试（交叉验证）。这个数据集最大的特点在于将识别迁移到了普适物体，而且应用于多分类

其他版本可以去我空间查看。CIFAR-10数据集由10个类中的60000个32x32彩色图像组成，每个类有6000个图像。有50000个训练图像和10000个测试图像。 数据集分为五个训练批次和一个测试批次，每个批次有10000个图像。测试批次包含来自每个类别的1000个随机选择的图像。训练批次以随机顺序包含剩余图像，但是一些训练批次可能包含来自一个类别的更多图像而不是另一个类别。在他们之间，培训批次包含来自每个班级的5000个图像。

此数据集与CIFAR-10类似，不同之处在于它有100个类，每个类包含600个图像。每个类有500个训练图像和100个测试图像。CIFAR-100中的100个类被分为20个超类。每个图像都带有一个“精细”标签（它所属的类）和一个“粗”标签（它所属的超类）。

识别CIFAR数据集中的10类物体 一、 实验目标 熟悉使用深度学习工具tensorflow，基于该平台对Cifar-10 中的图像数据进行分类识别，在这个过程中掌握卷积神经网络的基本思想。

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.

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

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.mat，包含batches.meta.mat，data_batch_1~5.mat，基test_batch