CIFAR-10数据集（https://www.cs.toronto.edu/~kriz/cifar.html）含有6万个32*32的彩色图像，共分为10种类型，由 Alex Krizhevsky, Vinod Nair和 Geoffrey Hinton收集而来。包含50000张训练图片，10000张测试图片。其中用于训练的训练集50000张，构成了5个训练批，每一批10000张图；另外10000用于测试，单独构成一批。测试批的数据里，取自10类中的每一类，每一类随机取1000张。抽剩下的就随机排列组成了训练批。注意一个训练批中的各类图像并不一定数量相同，总的来看训练批，每一类都有5000张图。
数据集的数据存在一个10000*3072 的 numpy数组中，单位是uint8s，3072是存储了一个32*32的彩色图像。（3072=1024*3）。前1024位是r值，中间1024是g值，后面1024是b值。
需要说明的是，这10类都是各自独立的，不会出现重叠。
数据的下载：（https://www.cs.toronto.edu/~kriz/cifar.html）
（共有三个版本：python,matlab,binary version 适用于C语言）
Baseline results (基线结果？还不是很懂)
你可以在cuda-convert的项目页面上找到此数据集上的一些基线可复制的结果。这个结果是由CNN卷积神经网络得到的。简要的说，在没有数据扩充的情况下，测试误差为18%，反之为11%。
数据集布局
Python/Matlab 版本
这两个数据形式是一样的，就以python为例。
该数据集文件包含data_batch1……data_batch5，和test_batch。他们都是由cPickle库产生的序列化后的对象（关于pickle,移步https://docs.python.org/3/library/pickle.html）。这里给出python2和python3的例程，他可以打开这样的pkl文件，返回一个字典结构的数据：
Python2:
1 def unpickle(file): 2 import cPickle 3 with open(file, 'rb') as fo: 4 dict = cPickle.load(fo) 5 return dict
Python3:
1 def unpickle(file): 2 import pickle 3 with open(file, 'rb') as fo: 4 dict = pickle.load(fo, encoding='bytes') 5 return dict
这样的话，每个batch文件包含一个字典，每个字典包含有：
-
-
Data
一个10000*3072的numpy数组（numpy:https://docs.scipy.org/doc/numpy-dev/user/quickstart.html），数据类型是无符号整形uint8。这个数组的每一行存储了32*32大小的彩色图像（32*32*3通道=3072）。前1024个数是red通道，然后分别是green,blue。另外，图像是以行的顺序存储的，也就是说前32个数就是这幅图的像素矩阵的第一行。
-
-
-
labels
一个范围在0-9的含有10000个数的列表（一维的数组）。第i个数就是第i个图像的类标。
-
数据集除了6个batch之外，还有一个文件batches.meta。它包含一个python字典对象，内容有：
一个包含10个元素的列表，每一个描述了labels array中每个数字对应类标的名字。比如：label_names[0] == "airplane", label_names[1] == "automobile"
/*******************************
二进制版本
该版本包含5个训练批data_batch_1.bin, data_batch_2.bin, ..., data_batch_5.bin，1个测试批test_batch.bin。他们的格式都是：
<1 x label><3072 x pixel> ... <1 x label><3072 x pixel>
来自 <http://www.cs.toronto.edu/~kriz/cifar.html>
也就是说，第一个字节是指类标，在0-9之间。接下来就是3072个字节，内容与上面python版本的的一样。每个文件都有10000这样的3073个字节，没有任何分隔行，所以每个文件都是30730000字节的长度。
与python版本类似，还有一个文件batches.meta.txt。这是一个ASCII文件，同样是把0-9数字类标和每一类的名字对照起来。