我们搭了一个基于深度神经网络的图像分类识别系统。该系统在公开图像手数据库cifar-10上测试达到了90.54%的准确率，仅比世界最好结果低了0.66%（http://rodrigob.github.io/are_we_there_yet/build/classification_datasets_results.html）。

    cifar-10数据集包括60000个32x32彩色图像，分布在在10类,每个类有6000幅图像。这60000幅图片中分别包括50000幅训练图像和10000幅测试图像。下图为cifar-10中的一些样例示图：

airplane
automobile
bird
cat
deer
dog
frog
horse
ship
truck

我们在此数据集上得到了9.46%的错误率:

也就是说目前的技术可以做到在随机的任何十幅图片中，最多识错一幅。