一.数据介绍
总共一百个类，每个类有600个图像。每类500个训练图像，100个测试图像。没填图像都带有一个"精细"标签（它所属的类）核一个粗糙标签（它所属的超类）
二.API使用
用于构建CNN模型的API
Conv2D：实现卷积，kernel_size,strides,padding,datafromat,'NHWC'核'NCHW'
MaxPool2D:池化操作
import keras
import tensorflow as tf# 构建卷积层，filters：多少个卷积核，kernel_size每个卷积核为5*5大小
# strides：步长，padding：零填充大小为same形式，activation：使用什么激活函数
keras.layers.Conv2D(filters=32,kernel_size=5,strides=1,padding='same',data_format='channels_last',activation=tf.nn.relu)# 构建池化操作
keras.layers.MaxPool2D(pool_size=2,strides=2,padding='same')
