一、mnist数据 深度学习的入门实例,一般就是mnist手写数字分类识别,因此我们应该先下载这个数据集。 tensorflow提供一个input_data.py文件,专门用于下载mnist数据,我们直接调用就可以了,代码如下: import tensorflow.examples.tutorials.mnist.input_data mnist = input_data.read_data_sets("MNIST_data/", one_hot=True) 执行完成后,会在当前目录下新建一个文件夹MNIST_data, 下载的数据将放入这个文件夹内。下载的四个文件为: input_data文件会调用一个maybe_download函数,确保数据下载成功。这个函数还会判断数据是否已经下载,如果已经下载好了,就不再重复下载。 下载下来的数据集被分三个子集:5.5W行的训练数据集( 每个子集都由两部分组成:图片部分(images)和标签部分(labels), 我们可以用下面的代码来查看 : 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编辑器中查看具体数值,可以将这些数据提取为变量来查看,如: val_data=mnist.validation.images 二、CSV数据 除了mnist手写字体图片数据,tf还提供了几个csv的数据供大家练习,存放路径为: /home/xxx/anaconda3/lib/python3.5/site-packages/tensorflow/contrib/learn/python/learn/datasets/data/text_train.csv 如果要将这些数据读出来,可用代码: import tensorflow.contrib.learn.python.learn.datasets.base as base
iris_data,iris_label=base.load_iris()
house_data,house_label=base.load_boston()
前者为iris鸢尾花卉数据集,后者为波士顿房价数据。 三、cifar10数据 tf提供了cifar10数据的下载和读取的函数,我们直接调用就可以了。执行下列代码: import tensorflow.models.image.cifar10.cifar10 as cifar10 cifar10.maybe_download_and_extract() images, labels = cifar10.distorted_inputs() print images print labels 就可以将cifar10下载并读取出来。 |
|
来自: 雪柳花明 > 《TensorFlow》