人工智能 tensorflow框架-->MNIST手写字符数据集 06
2017-10-26 19:05
316 查看
1.下载MNIST数据集:
2.1数据集分成两部分:60000行的训练集 trainxxx (包含手写数字的图片imagexxx 和 手写数字对应的标签labelxxx)
10000行的测试集 t10kxxx (同上)
2.2分成以上两部分是因为在机器学习模型设计时必须有一个单独的测试数据集不用于训练而是用来评估这个模型的性能,从而更加容易把设计的模型推广到其他数据集上(泛化)。
2.3image每一张图片包含28X28个像素点,即每张图是28X28=784维向量空间里面的点
784
2.4在MNIST数据集中 trainxxx-imagesxxx文件是一个形状为【60000,784】的张量,第一个维度用来索引图片(共有60000个索引),第二个维度数字用来索引每张图片的像素点(共784个像素点)。在此张量里的每一个元素都表示某张图片里的某个像素的强度值,强度值介于0和1之间。
2.5label每一张标签的数字值对应手写图中的值,介于0到9的数字,数字n将表示成一个只有在第n维度(从0开始)数字为1的10维向量,比如标签0将表示成(【1,0,0,0,0,0,0,0,0,0】),因此trainxxx-labels文件是一个【60000,10】的数字矩阵。
2.1数据集分成两部分:60000行的训练集 trainxxx (包含手写数字的图片imagexxx 和 手写数字对应的标签labelxxx)
10000行的测试集 t10kxxx (同上)
2.2分成以上两部分是因为在机器学习模型设计时必须有一个单独的测试数据集不用于训练而是用来评估这个模型的性能,从而更加容易把设计的模型推广到其他数据集上(泛化)。
2.3image每一张图片包含28X28个像素点,即每张图是28X28=784维向量空间里面的点
784
2.4在MNIST数据集中 trainxxx-imagesxxx文件是一个形状为【60000,784】的张量,第一个维度用来索引图片(共有60000个索引),第二个维度数字用来索引每张图片的像素点(共784个像素点)。在此张量里的每一个元素都表示某张图片里的某个像素的强度值,强度值介于0和1之间。
2.5label每一张标签的数字值对应手写图中的值,介于0到9的数字,数字n将表示成一个只有在第n维度(从0开始)数字为1的10维向量,比如标签0将表示成(【1,0,0,0,0,0,0,0,0,0】),因此trainxxx-labels文件是一个【60000,10】的数字矩阵。
相关文章推荐
- 人工智能(1)用tensorflow识别MNIST手写数字数据集
- 人工智能 tensorflow框架-->FAQ 00
- 人工智能 tensorflow框架-->Softmax回归模型的训练与评估 09
- 人工智能 tensorflow框架-->session , graph , op , tensor的关系03
- 深度学习框架TensorFlow学习与应用(六)——卷积神经网络应用于MNIST数据集分类
- 人工智能 tensorflow框架-->Softmax回归模型的理论理解 07
- 利用tensorflow一步一步实现基于MNIST 数据集进行手写数字识别的神经网络,逻辑回归
- 人工智能 tensorflow框架-->n阶张量的空间集合描述02
- 用tensorflow框架和Mnist手写字体,训练cnn模型以及测试一张手写字体
- 人工智能 tensorflow框架-->生成三维数据,然后用一个平面拟合它,伴随训练次数的增加,拟合结果越接近预期值 实例04
- 深度学习-CNN卷积神经网络使用TensorFlow框架实现MNIST手写数字识别
- tensorflow 学习专栏(五):在mnist数据集上使用tensorflow实现临近算法(Nearest-Neighbor)进行手写数字识别
- 人工智能 tensorflow框架-->一些基础小示例 05
- 使用tensorflow利用神经网络分类识别MNIST手写数字数据集,转自随心1993
- MNIST数据集的卷积神经网络训练代码具体实现示例--Tensorflow 框架
- 深度学习-传统神经网络使用TensorFlow框架实现MNIST手写数字识别
- 利用tensorflow框架搭建CNN网络解析mnist数据集(5)---《深度学习》
- 人工智能 tensorflow框架-->简介及安装01
- MNIST 手写识别 + Tensorflow 框架
- 人工智能 tensorflow框架-->Softmax回归模型的python实现 08