python深度學習tensorflow實例數(shù)據(jù)下載與讀取

更新時間：2022年06月29日 15:45:17 作者：denny402

這篇文章主要為大家介紹了python深度學習tensorflow實例數(shù)據(jù)下載與讀取示例詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進步，早日升職加薪

一、mnist數(shù)據(jù)

深度學習的入門實例，一般就是mnist手寫數(shù)字分類識別，因此我們應該先下載這個數(shù)據(jù)集。

tensorflow提供一個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，會在當前目錄下新建一個文件夾MNIST_data, 下載的數(shù)據(jù)將放入這個文件夾內(nèi)。下載的四個文件為：

input_data文件會調(diào)用一個maybe_download函數(shù)，確保數(shù)據(jù)下載成功。這個函數(shù)還會判斷數(shù)據(jù)是否已經(jīng)下載，如果已經(jīng)下載好了，就不再重復下載。

下載下來的數(shù)據(jù)集被分三個子集：5.5W行的訓練數(shù)據(jù)集（mnist.train），5千行的驗證數(shù)據(jù)集（mnist.validation)和1W行的測試數(shù)據(jù)集（mnist.test）。因為每張圖片為28x28的黑白圖片，所以每行為784維的向量。

每個子集都由兩部分組成：圖片部分（images)和標簽部分(labels), 我們可以用下面的代碼來查看：

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csv的數(shù)據(jù)供大家練習，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，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,后者為波士頓房價數(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。

以上就是python深度學習tensorflow實例數(shù)據(jù)下載與讀取的詳細內(nèi)容，更多關于python tensorflow數(shù)據(jù)下載讀取的資料請關注腳本之家其它相關文章！

您可能感興趣的文章: