keras_unet_plus_plus unet plus plus的keras实现（UNet ）

使用胶囊网络实现MNIST数据集分类，基于keras实现，运行 CapsNet.py 即可训练模型，并输出模型在预测集上的正确率。

主要介绍了keras读取h5文件load_weights、load代码操作，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

keras卷积神经网络下的CIFAR-10图像识别,该资源由浅入深，让你从0基础一步一步搭建神经网络模型。

文件包括： keras2.2.2+tensorflow1.9.0+opencv3.4.1.15+opencv-contrib3.4.1.15+opencv3.4.2+matplotlib3.2.2的whl文件 注意，是适用于python3.6版本的！！！ 本python废柴真的对配置环境这个事情很苦恼，这次终于配置成功了，期间看了很多博主的评论和经验贴，真的很感谢，所以这次也把自己获得的资源免费分享给大家，希望对大家有帮助~加油加油加油，奥利给！

CIFAR10 小图像分类数据集 50,000 张 32x32 彩色训练图像数据，以及 10,000 张测试图像数据，总共分为 10 个类别。 2 个元组： x_train, x_test: uint8 数组表示的 RGB 图像数据，尺寸为 (num_samples, 3, 32, 32) 或 (num_samples, 32, 32, 3)，基于 image_data_format 后端设定的 channels_first 或 channels_last。 y_train, y_test: uint8 数组表示的类别标签（范围在 0-9 之间的整数），尺寸为 (num_samples,)。

CIFAR100 小图像分类数据集 50,000 张 32x32 彩色训练图像数据，以及 10,000 张测试图像数据，总共分为 100 个类别。 返回： 2 个元组： x_train, x_test: uint8 数组表示的 RGB 图像数据，尺寸为 (num_samples, 3, 32, 32) 或 (num_samples, 32, 32, 3)，基于 image_data_format 后端设定的 channels_first 或 channels_last。 y_train, y_test: uint8 数组表示的类别标签，尺寸为 (num_samples,)。 参数： label_mode: "fine" 或者 "coarse"

CIFAR100 小图像分类数据集 50,000 张 32x32 彩色训练图像数据，以及 10,000 张测试图像数据，总共分为 100 个类别。 返回： 2 个元组： x_train, x_test: uint8 数组表示的 RGB 图像数据，尺寸为 (num_samples, 3, 32, 32) 或 (num_samples, 32, 32, 3)，基于 image_data_format 后端设定的 channels_first 或 channels_last。 y_train, y_test: uint8 数组表示的类别标签，尺寸为 (num_samples,)。 参数： label_mode: "fine" 或者 "coarse"

TensorFlow常用函数总结。能够帮助您快速了解函数用法，功能以及如何正确调用函数。

MNIST 手写字符数据集 训练集为 60,000 张 28x28 像素灰度图像，测试集为 10,000 同规格图像，总共 10 类数字标签。 2 个元组： x_train, x_test: uint8 数组表示的灰度图像，尺寸为 (num_samples, 28, 28)。 y_train, y_test: uint8 数组表示的数字标签（范围在 0-9 之间的整数），尺寸为 (num_samples,)。