使用TensorFlow直接獲取處理MNIST數(shù)據(jù)方式
MNIST是一個非常有名的手寫體數(shù)字識別數(shù)據(jù)集，TensorFlow對MNIST數(shù)據(jù)集做了封裝，可以直接調(diào)用。MNIST數(shù)據(jù)集包含了60000張圖片作為訓(xùn)練數(shù)據(jù)，10000張圖片作為測試數(shù)據(jù)，每一張圖片都代表了0-9中的一個數(shù)字，圖片大小都是28*28。雖然這個數(shù)據(jù)集只提供了訓(xùn)練和測試數(shù)據(jù)，但是為了驗證訓(xùn)練網(wǎng)絡(luò)的效果，一般從訓(xùn)練數(shù)據(jù)中劃分出一部分數(shù)據(jù)作為驗證數(shù)據(jù)，測試神經(jīng)網(wǎng)絡(luò)模型在不同參數(shù)下的效果。TensorFlow提供了一個類來處理MNIST數(shù)據(jù)。
代碼如下：
from tensorflow.examples.tutorials.mnist import input_data
#載入MNIST數(shù)據(jù)集，如果指定地址下沒有下載好的數(shù)據(jù)，那么TensorFlow會自動在網(wǎng)站上下載數(shù)據(jù)
mnist = input_data.read_data_sets("/tensorflow_google")
#打印訓(xùn)練數(shù)據(jù)大小
print("Training data size:", mnist.train.num_examples)
#打印驗證集大小
print("Validating data size:", mnist.validation.num_examples)
#打印測試集大小
print("Testing data size:", mnist.test.num_examples)
#打印訓(xùn)練樣例
print("Example training data", mnist.train.images[0])
#打印訓(xùn)練樣例的標簽
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
處理后的每一張圖片是一個長度為784(28*28)的一維數(shù)組，數(shù)組中的數(shù)據(jù)為圖片的像素，像素元素取值范圍為0-1，代表了顏色的深淺，其中0為白色，1為黑色。為了可以使用隨機梯度下降，input_data.read_data_sets生成的類還提供了mnist.train.next_batch，可以從素有的訓(xùn)練數(shù)據(jù)中讀取一小部分作為一個訓(xùn)練batch，例如：
batch_size = 200
xs, ys = mnist.train.next_batch(batch_size) #xs是數(shù)據(jù)，ys是對應(yīng)的標簽
print("X shape", xs.shape)
print("Y shape", ys.shape)
>>X shape (200, 784) #X是200*784的數(shù)組
Y shape (200,) #Y是200維的一維數(shù)組
以上這篇使用TensorFlow直接獲取處理MNIST數(shù)據(jù)方式就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持腳本之家。
相關(guān)文章
在Python中停止線程有多種方法,包括使用全局變量、使用標志位、使用異常等,下面這篇文章主要給大家介紹了關(guān)于python中停止線程方法的相關(guān)資料,文中通過代碼介紹的非常詳細,需要的朋友可以參考下2024-05-05
關(guān)于Python中異常(Exception)的匯總
異常是指程序中的例外，違例情況。異常機制是指程序出現(xiàn)錯誤后，程序的處理方法。當出現(xiàn)錯誤后，程序的執(zhí)行流程發(fā)生改變，程序的控制權(quán)轉(zhuǎn)移到異常處理。下面這篇文章主要匯總了關(guān)于Python中異常(Exception)的相關(guān)資料，需要的朋友可以參考下。2017-01-01
matplotlib 多個圖像共用一個colorbar的實現(xiàn)示例
這篇文章主要介紹了matplotlib 多個圖像共用一個colorbar的實現(xiàn)示例，文中通過示例代碼介紹的非常詳細，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-09-09
這篇文章主要介紹了Python中isnumeric()方法的使用,isnumeric()方法的使用是Python入門中的基礎(chǔ)知識,需要的朋友可以參考下2015-05-05
python調(diào)用有道智云API實現(xiàn)文件批量翻譯
這篇文章主要介紹了python如何調(diào)用有道智云API實現(xiàn)文件批量翻譯，幫助大家更好得理解和使用python，感興趣的朋友可以了解下2020-10-10
昨天看《Python核心編程》的時候，剛好看到了函數(shù)部分，于是順勢將目前接觸到的集中參數(shù)類型都總結(jié)一下吧^^2017-02-02
Python實現(xiàn)隨機生成手機號及正則驗證手機號的方法
這篇文章主要介紹了Python實現(xiàn)隨機生成手機號及正則驗證手機號的方法,涉及Python基于random模塊的隨機數(shù)以及基于re模塊的正則驗證相關(guān)操作技巧,需要的朋友可以參考下2018-04-04
python數(shù)字圖像處理之高級形態(tài)學(xué)處理
這篇文章主要介紹了python數(shù)字圖像處理之高級形態(tài)學(xué)處理，小編覺得挺不錯的，現(xiàn)在分享給大家，也給大家做個參考。一起跟隨小編過來看看吧2018-04-04
這篇文章主要介紹了python根據(jù)文件大小打log日志的方法,可實現(xiàn)循環(huán)打日志,即第一個文件達到maxBytes大小后就寫入第二個文件,以此類推,是非常實用的技巧,需要的朋友可以參考下2014-10-10
這篇文章主要介紹了利用Python實現(xiàn)在輸入一個特定格式的時間后，自動獲取前進或者后退多少小時之后的時間。感興趣的朋友可以了解一下2021-12-12