使用TensorFlow直接获取处理MNIST数据方式


Posted in Python onFebruary 10, 2020

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

以上这篇使用TensorFlow直接获取处理MNIST数据方式就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持三水点靠木。

Python 相关文章推荐
python聊天程序实例代码分享
Nov 18 Python
python定时执行指定函数的方法
May 27 Python
python 生成器协程运算实例
Sep 04 Python
Python学习笔记之if语句的使用示例
Oct 23 Python
Python爬虫实例_利用百度地图API批量获取城市所有的POI点
Jan 10 Python
zookeeper python接口实例详解
Jan 18 Python
Python简单实现网页内容抓取功能示例
Jun 07 Python
Python使用pickle模块实现序列化功能示例
Jul 13 Python
实例讲解python中的序列化知识点
Oct 08 Python
Python异常处理例题整理
Jul 07 Python
python实现串口通信的示例代码
Feb 10 Python
Django 拼接两个queryset 或是两个不可以相加的对象实例
Mar 28 Python
python如何实现单链表的反转
Feb 10 #Python
基于python求两个列表的并集.交集.差集
Feb 10 #Python
python实现串口通信的示例代码
Feb 10 #Python
基于Tensorflow高阶读写教程
Feb 10 #Python
python集合删除多种方法详解
Feb 10 #Python
pandas中的数据去重处理的实现方法
Feb 10 #Python
对tensorflow中cifar-10文档的Read操作详解
Feb 10 #Python
You might like
PHP header函数分析详解
2011/08/06 PHP
mysql数据库差异比较的PHP代码
2012/02/05 PHP
解析将多维数组转换为支持curl提交的一维数组格式
2013/07/08 PHP
PHP针对字符串开头和结尾的判断方法
2016/07/11 PHP
php Session无效分析资料整理
2016/11/29 PHP
Yii 使用intervention/image拓展实现图像处理功能
2019/06/22 PHP
javascript 添加和移除函数的通用方法
2009/10/20 Javascript
DIV外区域Click后关闭DIV的实现代码
2011/12/21 Javascript
javascript游戏开发之《三国志曹操传》零部件开发(三)情景对话中仿打字机输出文字
2013/01/23 Javascript
js判断屏幕分辨率的代码
2013/07/16 Javascript
cookie.js 加载顺序问题怎么才有效
2013/07/31 Javascript
js获取系统的根路径实现介绍
2013/09/08 Javascript
cookie的复制与使用记住用户名实现代码
2013/11/04 Javascript
Nodejs中session的简单使用及通过session实现身份验证的方法
2016/02/04 NodeJs
js自调用匿名函数的三种写法(推荐)
2016/08/19 Javascript
JavaScript之RegExp_动力节点Java学院整理
2017/06/29 Javascript
JavaScript实现树的遍历算法示例【广度优先与深度优先】
2017/10/26 Javascript
Angular 开发学习之Angular CLI的安装使用
2017/12/31 Javascript
解决vue项目使用font-awesome,build后路径的问题
2018/09/01 Javascript
又拍云 Node.js 实现文件上传、删除功能
2018/10/28 Javascript
Vue分页效果与购物车功能
2019/12/13 Javascript
vue3.0中使用element的完整步骤
2021/03/04 Vue.js
使用Python判断IP地址合法性的方法实例
2014/03/13 Python
Python中使用copy模块实现列表(list)拷贝
2015/04/14 Python
树莓派使用USB摄像头和motion实现监控
2019/06/22 Python
Python内建序列通用操作6种实现方法
2020/03/26 Python
使用Keras实现Tensor的相乘和相加代码
2020/06/18 Python
Python3 搭建Qt5 环境的方法示例
2020/07/16 Python
Html5自定义字体解决方法
2019/10/09 HTML / CSS
台湾森森购物网:U-mall
2017/10/16 全球购物
台湾时尚彩瞳专门店:imeime
2019/08/16 全球购物
教师节演讲稿
2014/05/06 职场文书
信电学院毕业生自荐书
2014/05/24 职场文书
居委会个人对照检查材料思想汇报
2014/09/29 职场文书
2019教师的学习计划
2019/06/25 职场文书
创业不要错过,这4种餐饮新模式
2019/07/18 职场文书