如何解決MNIST數(shù)據(jù)集下載速度較慢并失敗的問(wèn)題
MNIST數(shù)據(jù)集下載速度較慢并失敗
第一步：
從http://yann.lecun.com/exdb/mnist/網(wǎng)址下載四個(gè)MNIST數(shù)據(jù)壓縮包
第二步：
下載完成后放入任意文件夾。
將文件目錄復(fù)制放到瀏覽器鏈接窗口處，并復(fù)制瀏覽器上的url。
第三步：
找到mnist.py文件 ，將源代碼中的urls注釋掉，將自己游覽器上的url復(fù)制過(guò)去。
對(duì)于我個(gè)人而言，我的mnist.py文件在E:\Python3.62\Lib\site-packages\torchvision\datasets。
然后重新運(yùn)行即可。
注：代碼運(yùn)行中斷后，已經(jīng)下載了mnist文件夾，你重新運(yùn)行時(shí)需要找到這個(gè)文件夾并刪除，否則將報(bào)錯(cuò)。
tf.keras.datasets.mnist失敗，MNIST數(shù)據(jù)集下載不成功
1.解決問(wèn)題，我就偏要用keras的
MNIST 數(shù)據(jù)集在外網(wǎng)，所以咱直接掛個(gè)梯子就好了，我是一直沒(méi)打開(kāi)所以失敗，梯子打開(kāi)了幾秒就成功了
import tensorflow as tf #加載測(cè)試mnist數(shù)據(jù)集——使用keras庫(kù) mnist = tf.keras.datasets.mnist (x_train, y_train),(x_test,y_test) = mnist.load_data() x_train,x_test = x_train/255, x_test/255
2.避開(kāi)問(wèn)題手動(dòng)下載也行
來(lái)，直接點(diǎn)：https://storage.googleapis.com/tensorflow/tf-keras-datasets/mnist.npz
下完了之后路徑導(dǎo)進(jìn)來(lái)
# 從本地路徑加載MNIST數(shù)據(jù)集
local_mnist_path = 'E:/Python/jupyter_PRJ/Deep Learning/data/mnist.npz'
with np.load(local_mnist_path, allow_pickle=True) as data:
x_train, y_train = data['x_train'], data['y_train']
x_test, y_test = data['x_test'], data['y_test']
# 對(duì)數(shù)據(jù)進(jìn)行歸一化處理
x_train, x_test = x_train / 255.0, x_test / 255.03.看下導(dǎo)入成功了沒(méi)
import matplotlib.pyplot as plt
# 查看數(shù)據(jù)集是否load成功
for i in range(5):
plt.subplot(1, 5, i + 1)
plt.imshow(x_train[i].reshape(28, 28), cmap='gray') # 重塑圖像為28x28大小
plt.title("Label: {}".format(y_train[i]))
plt.axis('off') # 不顯示坐標(biāo)軸
plt.show()結(jié)果（有東西那就是成功了）：
總結(jié)
以上為個(gè)人經(jīng)驗(yàn)，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。
Python實(shí)現(xiàn)決策樹(shù)并且使用Graphviz可視化的例子
python格式的Caffe圖片數(shù)據(jù)均值計(jì)算學(xué)習(xí)
python 實(shí)現(xiàn)德洛內(nèi)三角剖分的操作
Python Collatz序列實(shí)現(xiàn)過(guò)程解析
python中HTMLParser模塊知識(shí)點(diǎn)總結(jié)