283
技術社區[雲棲]
TensorFlow教程之完整教程 2.2MNIST數據下載
本文檔為TensorFlow參考文檔，本轉載已得到TensorFlow中文社區授權。
MNIST 數據下載
本教程的目標是展示如何下載用於手寫數字分類問題所要用到的（經典）MNIST數據集。
教程 文件
本教程需要使用以下文件：
| 文件 | 目的 |
|---|---|
input_data.py |
下載用於訓練和測試的MNIST數據集的源碼 |
準備數據
MNIST是在機器學習領域中的一個經典問題。該問題解決的是把28x28像素的灰度手寫數字圖片識別為相應的數字，其中數字的範圍從0到9.
下載
Yann LeCun's MNIST page 也提供了訓練集與測試集數據的下載。
| 文件 | 內容 |
|---|---|
train-images-idx3-ubyte.gz |
訓練集圖片 - 55000 張 訓練圖片, 5000 張 驗證圖片 |
train-labels-idx1-ubyte.gz |
訓練集圖片對應的數字標簽 |
t10k-images-idx3-ubyte.gz |
測試集圖片 - 10000 張 圖片 |
t10k-labels-idx1-ubyte.gz |
測試集圖片對應的數字標簽 |
在 input_data.py 文件中, maybe_download() 函數可以確保這些訓練數據下載到本地文件夾中。
文件夾的名字在 fully_connected_feed.py 文件的頂部由一個標記變量指定，你可以根據自己的需要進行修改。
解壓 與 重構
這些文件本身並沒有使用標準的圖片格式儲存，並且需要使用input_data.py文件中extract_images()和extract_labels()函數來手動解壓（頁麵中有相關說明）。
圖片數據將被解壓成2維的tensor：[image index, pixel index] 其中每一項表示某一圖片中特定像素的強度值, 範圍從 [0, 255] 到 [-0.5, 0.5]。 "image index"代表數據集中圖片的編號, 從0到數據集的上限值。"pixel index"代表該圖片中像素點得個數, 從0到圖片的像素上限值。
以train-*開頭的文件中包括60000個樣本，其中分割出55000個樣本作為訓練集，其餘的5000個樣本作為驗證集。因為所有數據集中28x28像素的灰度圖片的尺寸為784，所以訓練集輸出的tensor格式為[55000, 784]。
數字標簽數據被解壓稱1維的tensor: [image index]，它定義了每個樣本數值的類別分類。對於訓練集的標簽來說，這個數據規模就是:[55000]。
數據集 對象
底層的源碼將會執行下載、解壓、重構圖片和標簽數據來組成以下的數據集對象:
| 數據集 | 目的 |
|---|---|
data_sets.train |
55000 組 圖片和標簽, 用於訓練。 |
data_sets.validation |
5000 組 圖片和標簽, 用於迭代驗證訓練的準確性。 |
data_sets.test |
10000 組 圖片和標簽, 用於最終測試訓練的準確性。 |
執行read_data_sets()函數將會返回一個DataSet實例，其中包含了以上三個數據集。函數DataSet.next_batch()是用於獲取以batch_size為大小的一個元組，其中包含了一組圖片和標簽，該元組會被用於當前的TensorFlow運算會話中。
images_feed, labels_feed = data_set.next_batch(FLAGS.batch_size)最後更新：2017-08-22 15:33:11