python深度學(xué)習(xí)tensorflow實(shí)例數(shù)據(jù)下載與讀取
一、mnist數(shù)據(jù)
深度學(xué)習(xí)的入門實(shí)例,一般就是mnist手寫數(shù)字分類識(shí)別,因此我們應(yīng)該先下載這個(gè)數(shù)據(jù)集。
tensorflow提供一個(gè)input_data.py文件,專門用于下載mnist數(shù)據(jù),我們直接調(diào)用就可以了,代碼如下:
import tensorflow.examples.tutorials.mnist.input_data mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)
執(zhí)行完成后,會(huì)在當(dāng)前目錄下新建一個(gè)文件夾MNIST_data, 下載的數(shù)據(jù)將放入這個(gè)文件夾內(nèi)。下載的四個(gè)文件為:
input_data文件會(huì)調(diào)用一個(gè)maybe_download函數(shù),確保數(shù)據(jù)下載成功。這個(gè)函數(shù)還會(huì)判斷數(shù)據(jù)是否已經(jīng)下載,如果已經(jīng)下載好了,就不再重復(fù)下載。
下載下來(lái)的數(shù)據(jù)集被分三個(gè)子集:5.5W行的訓(xùn)練數(shù)據(jù)集(mnist.train
),5千行的驗(yàn)證數(shù)據(jù)集(mnist.validation)和1W行的測(cè)試數(shù)據(jù)集(mnist.test
)。因?yàn)槊繌垐D片為28x28的黑白圖片,所以每行為784維的向量。
每個(gè)子集都由兩部分組成:圖片部分(images)和標(biāo)簽部分(labels), 我們可以用下面的代碼來(lái)查看 :
print mnist.train.images.shape print mnist.train.labels.shape print mnist.validation.images.shape print mnist.validation.labels.shape print mnist.test.images.shape print mnist.test.labels.shape
如果想在spyder編輯器中查看具體數(shù)值,可以將這些數(shù)據(jù)提取為變量來(lái)查看,如:
val_data=mnist.validation.images val_label=mnist.validation.labels
二、CSV數(shù)據(jù)
除了mnist手寫字體圖片數(shù)據(jù),tf還提供了幾個(gè)csv的數(shù)據(jù)供大家練習(xí),存放路徑為:
/home/xxx/anaconda3/lib/python3.5/site-packages/tensorflow/contrib/learn/python/learn/datasets/data/text_train.csv
如果要將這些數(shù)據(jù)讀出來(lái),可用代碼:
import tensorflow.contrib.learn.python.learn.datasets.base as base iris_data,iris_label=base.load_iris() house_data,house_label=base.load_boston()
前者為iris鳶尾花卉數(shù)據(jù)集,后者為波士頓房?jī)r(jià)數(shù)據(jù)。
三、cifar10數(shù)據(jù)
tf提供了cifar10數(shù)據(jù)的下載和讀取的函數(shù),我們直接調(diào)用就可以了。執(zhí)行下列代碼:
import tensorflow.models.image.cifar10.cifar10 as cifar10 cifar10.maybe_download_and_extract() images, labels = cifar10.distorted_inputs() print images print labels
就可以將cifar10下載并讀取出來(lái)。
以上就是python深度學(xué)習(xí)tensorflow實(shí)例數(shù)據(jù)下載與讀取的詳細(xì)內(nèi)容,更多關(guān)于python tensorflow數(shù)據(jù)下載讀取的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章!
- 使用Python、TensorFlow和Keras來(lái)進(jìn)行垃圾分類的操作方法
- Python基于TensorFlow接口實(shí)現(xiàn)深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)回歸
- Python基于Tensorflow2.X實(shí)現(xiàn)汽車油耗預(yù)測(cè)
- Python tensorflow與pytorch的浮點(diǎn)運(yùn)算數(shù)如何計(jì)算
- python深度學(xué)習(xí)tensorflow訓(xùn)練好的模型進(jìn)行圖像分類
- python深度學(xué)習(xí)tensorflow1.0參數(shù)和特征提取
- python如何下載指定版本TensorFlow
相關(guān)文章
python3編寫ThinkPHP命令執(zhí)行Getshell的方法
這篇文章主要介紹了python3編寫ThinkPHP命令執(zhí)行Getshell的方法,小編覺得挺不錯(cuò)的,現(xiàn)在分享給大家,也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧2019-02-02Python實(shí)現(xiàn)把回車符\r\n轉(zhuǎn)換成\n
這篇文章主要介紹了Python實(shí)現(xiàn)把回車符\r\n轉(zhuǎn)換成\n,本文直接給出實(shí)現(xiàn)代碼,需要的朋友可以參考下2015-04-04在python win系統(tǒng)下 打開TXT文件的實(shí)例
下面小編就為大家分享一篇在python win系統(tǒng)下 打開TXT文件的實(shí)例,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2018-04-04Python基于回溯法子集樹模板解決0-1背包問(wèn)題實(shí)例
這篇文章主要介紹了Python基于回溯法子集樹模板解決0-1背包問(wèn)題,簡(jiǎn)單描述了0-1背包問(wèn)題并結(jié)合具體實(shí)例形式分析了Python使用回溯法子集樹模板解決0-背包問(wèn)題的具體實(shí)現(xiàn)技巧,需要的朋友可以參考下2017-09-09wxpython中Textctrl回車事件無(wú)效的解決方法
這篇文章主要介紹了wxpython中Textctrl回車事件無(wú)效的解決方法,較為詳細(xì)的分析了TextCtrl支持的事件類型,并給出了TextCtrl綁定回車事件的相應(yīng)實(shí)現(xiàn)技巧,需要的朋友可以參考下2016-07-07運(yùn)行獨(dú)立 pyspark 時(shí)出現(xiàn) Windows 錯(cuò)誤解決辦法
在本篇文章里小編給大家分享的是一篇關(guān)于運(yùn)行獨(dú)立 pyspark 時(shí)出現(xiàn) Windows 錯(cuò)誤解決辦法,對(duì)此有需求的方法可以參考下。2021-12-12python+mediapipe+opencv實(shí)現(xiàn)手部關(guān)鍵點(diǎn)檢測(cè)功能(手勢(shì)識(shí)別)
這篇文章主要介紹了python+mediapipe+opencv實(shí)現(xiàn)手部關(guān)鍵點(diǎn)檢測(cè)功能(手勢(shì)識(shí)別),本文僅僅簡(jiǎn)單介紹了mediapipe的使用,而mediapipe提供了大量關(guān)于圖像識(shí)別等的方法,需要的朋友可以參考下2022-01-01淺談pandas.cut與pandas.qcut的使用方法及區(qū)別
這篇文章主要介紹了淺談pandas.cut與pandas.qcut的使用方法及區(qū)別,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-03-03Python調(diào)用pyttsx3實(shí)現(xiàn)離線文字轉(zhuǎn)語(yǔ)音的方式
pyttsx3是 Python 中的文本到語(yǔ)音的離線轉(zhuǎn)換庫(kù),本文給大家介紹Python調(diào)用pyttsx3實(shí)現(xiàn)離線文字轉(zhuǎn)語(yǔ)音的方式,感興趣的朋友一起看看吧2024-03-03