【附代码】【入门级】多任务分类学习

1.数据获取与处理

使用CIFAR-10[2]数据集，该数据集根据MIT许可证提供。

该数据集由60000张32x32像素的RGB图像组成，分为10个不同的类别。它被分为50000个训练样本和10000个测试样本，并且是完美平衡的，这意味着数据集包含每个类6000个图像。

可以通过执行以下操作轻松加载数据集：

(x_train, y_train), (x_test, y_test) = tf.keras.datasets.cifar10.load_data()

数据集包含以下类别：飞机、汽车、鸟、猫、鹿、狗、青蛙、马、船和卡车。多任务模型要学习的两个任务将是这些标签上的分类，请参见：

• 任务1：在修改后的CIFAR10数据集上进行多类别分类（飞机、汽车、鸟、猫、狗、青蛙、船和卡车标签，修改说明如下）。

• 任务2：二分类（标签为动物和载体）。