使用TensorFlow直接获取处理MNIST数据方式
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：
fromtensorflow.examples.tutorials.mnistimportinput_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("Trainingdatasize:",mnist.train.num_examples)
#打印验证集大小
print("Validatingdatasize:",mnist.validation.num_examples)
#打印测试集大小
print("Testingdatasize:",mnist.test.num_examples)
#打印训练样例
print("Exampletrainingdata",mnist.train.images[0])
#打印训练样例的标签
print("Exampletrainingdatalabel:",mnist.train.labels[0])
>>Trainingdatasize:55000
Validatingdatasize:5000
Testingdatasize:10000
Exampletrainingdata[0....0.]
Exampletrainingdatalabel: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("Xshape",xs.shape)
print("Yshape",ys.shape)
>>Xshape(200,784)#X是200*784的数组
Yshape(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毛票票。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。