Data Charging Station

這次來用Keras建立CNN，辨識Cifar-10影像資料

Cifar-10 是32*32 RBG的圖形，裡面包含了10種，像是飛機、狗、貓等等

可以看成是MNIST的困難版

因此在Preprocess的時候做的事情都是一樣的，並進行one hot encoding

其中在convolution選擇兩層，kernal 3*3 ，same padding

maxpooling 是2*2的大小，在接上 NN從4096–1024–10(最後輸出)

可以注意一下Keras 和 Tensorflow一些參數表現的不同

這是Cifar-10的圖像

利用pandas建立confusion matrix，來看出是不是混淆了某些類別。

可以看出第三類(cat)和第五類(dog)容易混淆，以及動物類和交通工具類不太容易混淆

兩層CNN準確率：0.732

My Github