导入并显示CIFAR数据集

import  cifar10_input
import tensorflow as tf
import pylab
#取数据
batch_size = 12
data_dir = '/tmp/cifar10_data/cifar-10-batches-bin'
'''
cifar10_input.inputs是专门获取数据的函数，返回数据集和对应的标签，但是cifar10_input.inputs会将图片裁剪好，由原来的32*32*3变成了24*24*3。
该函数默认是使用测试数据集，如果使用训练数据集，可以将第一个参数传入eval_data=False
另外再将batch_size和dir传入，就可以得到dir下面的batch_size个数据。
注意：这里获得的图片并不是原始图片，是经过了两次变换，首先将32*32尺寸裁剪成24尺寸，然后又进行了一次图片标准化（减去均值像素，并除以像素方差）。这样做得好处是，使所有的输入都在一个有效的数据分布之内，便于特征的分类处理，会使梯度下降算法的收敛更快。
'''
images_test, labels_test = cifar10_input.inputs(eval_data = True, data_dir = data_dir, batch_size = batch_size)
sess = tf.InteractiveSession()
tf.global_variables_initializer().run()
tf.train.start_queue_runners()
image_batch, label_batch = sess.run([images_test, labels_test])
print("__\n",image_batch[0])
print("__\n",label_batch[0])
pylab.imshow(image_batch[0])
pylab.show()