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。
<强>代码如下:强>
从tensorflow.examples.tutorials。mnist进口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 打印(“训练数据大小:”,mnist.train.num_examples) #打印验证集大小 打印(“验证数据大小:”,mnist.validation.num_examples) #打印测试集大小 打印(“测试数据大小:”,mnist.test.num_examples) #打印训练样例 打印(“训练数据”,mnist.train.images [0]) #打印训练样例的标签 打印(例训练数据标签:“mnist.train.labels [0]) 祝辞的在训练数据规模:55000 验证数据大小:5000 测试数据大小:10000 训练数据例子[0……0。] 示例训练数据标签:7 >之前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批,例如:
batch_size=200 x, y=mnist.train.next_batch (batch_size) # xs是数据,y是对应的标签 print (“X”形状,xs.shape) 打印(“Y形”,ys.shape) 在祝辞X形状(200、784)#是200 * 784的数组 Y形(200)# Y是200维的一维数组 >之前以上这篇使用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。
使用TensorFlow直接获取处理MNIST数据方式