read.me4

Title:Keras卷积神经网络识别CIFAR-10图像
目的：通过使用Keras建立卷积神经网络模型，并且训练模型以及评估模型准确率，然后使用训练完成的模型来识别CIFAR-10图像数据集．由于CIFAR-10图像数据的识别难度较高，因此尝试使用更多次的卷积与池化运算，以此来提高识别的准确率．
主要使用的库和ＡＰＩ：
from keras.datasets import cifar10       
import numpy as np
from keras.utils import np_utils
from keras.models import Sequential                      
from keras.layers import Dense,Dropout,Activation,Flatten
from keras.layers import Conv2D,MaxPooling2D,ZeroPadding2D
import matplotlib.pyplot as plt  
import pandas as pd   
其中所用函数：
np_utils.to_categorical(y_Train)：将数字图像真实值OneHot Ecoding转换
show_train_history(train_history,train,test)：用以显示训练过程
model.evaluate (x_Test4D_normalize,y_TestOnehot)：估模型准确率
plot_images_labels_prediction(images,labels,prediction,idx,num=10)：用以显示预测结果

def plot_images_labels_prediction（）：
定义此函数可以方便我们查看数字图形，真实的数字与预测结果．

def show_train_history（）：
定义此函数可以方便我们读取前面训练步骤中每个训练周期的准确率和误差．