keras 图像识别实例CIFAR-10分类，导入数据，查看最初9张图片

图片识别是卷积神经网络的主要应用之一。这个数据集是有Alex Krizhevsky 、 Vinod Nair 和GeoffreyHinton手机整理。共包含了60000张32* 32的彩色图像，50000张用于训练模型、10000张用于评估模型。训练的数据集被均匀分成10个类别，每个类别刚好包含5000张图片。

在keras提供了数据加载的函数，可以非常简单的导入数据。第一次导入时，keras会从网络下载数据到本地，之后就可以直接从本地加载数据，用于神经网络模型的每次执行模型产生相同的模型，数据导入后，会设置随机种子，并查看9张图片代码如下：

#!/usr/bin/env python
# -*- coding: UTF-8 -*-
from keras.datasets import cifar10
from matplotlib import pyplot as plt
from scipy.misc import toimage
import numpy as np
#导入数据
(X_train, y_train), (X_validation, y_validation) = cifar10.load_data()

for i in range(0,9 ):
    plt.subplot(331 + i)
    plt.imshow(toimage(X_train[i]))
    #显示图片
    plt.show()
    #设定随机种子
    seed = 7
    np.random.seed(seed)