使用TensorFlow直接获取处理MNIST数据方式
作者:gaoyueace 时间:2022-12-16 22:35:49
MNIST是一个非常有名的手写体数字识别数据集,TensorFlow对MNIST数据集做了封装,可以直接调用。MNIST数据集包含了60000张图片作为训练数据,10000张图片作为测试数据,每一张图片都代表了0-9中的一个数字,图片大小都是28*28。虽然这个数据集只提供了训练和测试数据,但是为了验证训练网络的效果,一般从训练数据中划分出一部分数据作为验证数据,测试神经网络模型在不同参数下的效果。TensorFlow提供了一个类来处理MNIST数据。
代码如下:
from tensorflow.examples.tutorials.mnist import input_data
#载入MNIST数据集,如果指定地址下没有下载好的数据,那么TensorFlow会自动在网站上下载数据
mnist = input_data.read_data_sets("/tensorflow_google")
#打印训练数据大小
print("Training data size:", mnist.train.num_examples)
#打印验证集大小
print("Validating data size:", mnist.validation.num_examples)
#打印测试集大小
print("Testing data size:", mnist.test.num_examples)
#打印训练样例
print("Example training data", mnist.train.images[0])
#打印训练样例的标签
print("Example training data label:", mnist.train.labels[0])
>>Training data size: 55000
Validating data size: 5000
Testing data size: 10000
Example training data [ 0. ... 0. ]
Example training data label: 7
处理后的每一张图片是一个长度为784(28*28)的一维数组,数组中的数据为图片的像素,像素元素取值范围为0-1,代表了颜色的深浅,其中0为白色,1为黑色。为了可以使用随机梯度下降,input_data.read_data_sets生成的类还提供了mnist.train.next_batch,可以从素有的训练数据中读取一小部分作为一个训练batch,例如:
batch_size = 200
xs, ys = mnist.train.next_batch(batch_size) #xs是数据,ys是对应的标签
print("X shape", xs.shape)
print("Y shape", ys.shape)
>>X shape (200, 784) #X是200*784的数组
Y shape (200,) #Y是200维的一维数组
来源:https://blog.csdn.net/gaoyueace/article/details/79056085
标签:TensorFlow,MNIST,数据
0
投稿
猜你喜欢
基于Python手写拼音识别
2022-10-22 09:24:09
Script 元素 type 属性的妙用
2011-03-07 16:13:00
Python接口测试环境搭建过程详解
2021-08-31 16:12:52
python函数超时自动退出的实操方法
2021-09-11 07:07:45
Python制作豆瓣图片的爬虫
2021-11-24 05:53:05
从Web查询数据库之PHP与MySQL篇
2023-07-18 11:04:05
Python实现GIF动图以及视频卡通化详解
2022-06-28 03:27:34
教你使用TensorFlow2识别验证码
2022-06-26 19:24:38
你们要的Python绘画3D太阳系详细代码
2021-05-12 09:32:48
CSS经验:因为编码差异 导致IE6不能正常解析CSS文件
2010-06-06 13:55:00
python在linux环境下安装skimage的示例代码
2023-05-24 12:57:25
python super的使用方法及实例详解
2023-08-19 11:04:49
Oracle REGEXP_LIKE模糊查询用法例子
2023-07-19 08:26:22
Python可变与不可变数据和深拷贝与浅拷贝
2022-06-05 21:14:51
Python趣味挑战之教你用pygame画进度条
2022-08-13 15:02:49
用pandas按列合并两个文件的实例
2022-05-31 22:21:04
JS打开新窗口的2种方式
2023-07-07 02:44:49
自动生成sql语句
2008-05-09 12:42:00
JS实现pasteHTML兼容ie,firefox,chrome的方法
2023-09-21 01:55:10
python制作定时发送信息脚本的实现思路
2023-01-17 15:24:11