使用TensorFlow直接獲取處理MNIST數(shù)據(jù)方式
MNIST是一個(gè)非常有名的手寫(xiě)體數(shù)字識(shí)別數(shù)據(jù)集，TensorFlow對(duì)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(cè)試數(shù)據(jù)，每一張圖片都代表了0-9中的一個(gè)數(shù)字，圖片大小都是28*28。雖然這個(gè)數(shù)據(jù)集只提供了訓(xùn)練和測(cè)試數(shù)據(jù)，但是為了驗(yàn)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?jǐn)?shù)據(jù)作為驗(yàn)證數(shù)據(jù)，測(cè)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(gè)類來(lái)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(méi)有下載好的數(shù)據(jù)，那么TensorFlow會(huì)自動(dòng)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(yàn)證集大小
print("Validating data size:", mnist.validation.num_examples)
#打印測(cè)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(biāo)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(gè)長(zhǎng)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(jī)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(gè)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(duì)應(yīng)的標(biāo)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?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。
相關(guān)文章
下面小編就為大家?guī)?lái)一篇基于Python閉包及其作用域詳解。小編覺(jué)得挺不錯(cuò)的，現(xiàn)在就分享給大家，也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧2017-08-08
python實(shí)現(xiàn)LBP方法提取圖像紋理特征實(shí)現(xiàn)分類的步驟
這篇文章主要介紹了python實(shí)現(xiàn)LBP方法提取圖像紋理特征實(shí)現(xiàn)分類的步驟，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2019-07-07
使用Python對(duì)SQLite數(shù)據(jù)庫(kù)操作
本文主要介紹了Python對(duì)SQLite數(shù)據(jù)庫(kù)操作的簡(jiǎn)單教程。SQLite是一種嵌入式數(shù)據(jù)庫(kù)，它的數(shù)據(jù)庫(kù)就是一個(gè)文件。由于SQLite本身是C寫(xiě)的，而且體積很小，所以，經(jīng)常被集成到各種應(yīng)用程序中，甚至在IOS和Android的APP中都可以集成。2017-04-04
python之Flask實(shí)現(xiàn)簡(jiǎn)單登錄功能的示例代碼
這篇文章主要介紹了python之Flask實(shí)現(xiàn)簡(jiǎn)單登錄功能的示例代碼，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2018-12-12
這篇文章主要為大家介紹了python環(huán)境變量配置流程，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2022-02-02
簡(jiǎn)單介紹一下pyinstaller打包以及安全性的實(shí)現(xiàn)
這篇文章主要介紹了簡(jiǎn)單介紹一下pyinstaller打包以及安全性的實(shí)現(xiàn)，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2020-06-06
python+django加載靜態(tài)網(wǎng)頁(yè)模板解析
這篇文章主要介紹了python+django加載靜態(tài)網(wǎng)頁(yè)模板解析，具有一定借鑒價(jià)值，需要的朋友可以參考下。2017-12-12
windows10在visual studio2019下配置使用openCV4.3.0
這篇文章主要介紹了windows10在visual studio2019下配置使用openCV4.3.0，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2020-07-07
Python簡(jiǎn)潔優(yōu)雅的推導(dǎo)式示例詳解
這篇文章主要給大家介紹了關(guān)于Python簡(jiǎn)潔優(yōu)雅的推導(dǎo)式的相關(guān)資料，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2021-04-04
詳解python之多進(jìn)程和進(jìn)程池(Processing庫(kù))
本篇文章主要介紹了詳解python之多進(jìn)程和進(jìn)程池(Processing庫(kù))，非常具有實(shí)用價(jià)值，需要的朋友可以參考下2017-06-06