1. 神经元的Tensorflow实现：

使用的数据集是：CIFAR-10

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. 

CIFAR-10文件里是python版本的文件，所以它们是pickle的数据格式。如果想要检查里面的文件格式是什么，需要导入cPickle，因为里面的数据使用numpy存的，所以需要导入numpy。

2.jupyter notebook可以使用tab键补全变量名。

3.加载数据集：
import _pickle as cPickle

import numpy as np

import os

CIFAR_DIR = './cifar-10-batches-py'

print(os.listdir(CIFAR_DIR))

with open(os.path.join(CIFAR_DIR, 'data_batch_1'), 'rb') as f:

    data = cPickle.load(f, encoding='bytes')

    print(type(data))

    print(data.keys())

    print(type(data[b'data']))

    print(type(data[b'labels']))

    print(type(data[b'batch_label']))

    print(type(data[b'filenames']))

    print(data[b'data'].shape)

    print(data[b'data'][0:2])

    print(data[b'labels'][0:2])

    print(data[b'batch_label'])

    print(data[b'filenames'][0:2])

# 32 * 32 = 1024 * 3 = 3072

# RR－GG－BB = 3072

image_arr = data[b'data'][100]

image_arr = image_arr.reshape((3, 32, 32))    # 32 32 3 三通道不一致，所以需要再做一下变换，如果解析的时候顺序不对，那么报错

image_arr = image_arr.transpose((1, 2, 0))    # 把1，2位置上的往前放，把0位置上的放在最后，如果通道顺序不对，那么图片的方向会发生变化

import matplotlib.pyplot as plt      # 显示图像的库

from matplotlib.pyplot import imshow

%matplotlib inline      # 这样可以直接显示在notebook上，而不是再打开一个另外的框

imshow(image_arr)    # 显示图片

神经元的Tensorflow实现：

二分类的分类模型和多分类的分类模型