Tensorflow入门教程之手写数字MINST识别
2018-03-12 23:59
381 查看
Tensorflow入门教程之手写数字MINST识别
MNIST是在机器学习领域中的一个经典问题。该问题解决的是把28x28像素的灰度手写数字图片识别为相应的数字,其中数字的范围从0到9.
在
文件夹的名字在
底层的源码将会执行下载、解压、重构图片和标签数据来组成以下的数据集对象:
执行
MNIST是在机器学习领域中的一个经典问题。该问题解决的是把28x28像素的灰度手写数字图片识别为相应的数字,其中数字的范围从0到9.
MNIST 数据下载
Yann LeCun's MNIST page也提供了训练集与测试集数据的下载。文件 | 内容 |
---|---|
train-images-idx3-ubyte.gz | 训练集图片 - 55000 张 训练图片, 5000 张 验证图片 |
train-labels-idx1-ubyte.gz | 训练集图片对应的数字标签 |
t10k-images-idx3-ubyte.gz | 测试集图片 - 10000 张 图片 |
t10k-labels-idx1-ubyte.gz | 测试集图片对应的数字标签 |
input_data.py文件中,
maybe_download()函数可以确保这些训练数据下载到本地文件夹中。
文件夹的名字在
fully_connected_feed.py文件的顶部由一个标记变量指定,你可以根据自己的需要进行修改。
底层的源码将会执行下载、解压、重构图片和标签数据来组成以下的数据集对象:
数据集 | 目的 |
---|---|
data_sets.train | 55000 组 图片和标签, 用于训练。 |
data_sets.validation | 5000 组 图片和标签, 用于迭代验证训练的准确性。 |
data_sets.test | 10000 组 图片和标签, 用于最终测试训练的准确性。 |
read_data_sets()函数将会返回一个
DataSet实例,其中包含了以上三个数据集。函数
DataSet.next_batch()是用于获取以
batch_size为大小的一个元组,其中包含了一组图片和标签,该元组会被用于当前的TensorFlow运算会话中。
images_feed, labels_feed = data_set.next_batch(FLAGS.batch_size)
相关文章推荐
- tensorflow的入门--手写数字识别mnist的傻瓜教程
- 机器学习-tensorflow入门教程二——识别手写数字
- 30分钟手把手带你入门TensorFlow——Mnist手写数字识别实战教程
- TensorFlow 入门(二):Softmax 识别手写数字
- Tensorflow快速入门2--实现手写数字识别
- TensorFlow学习笔记【二】 手写数字识别入门
- 基于tensorflow的MNIST手写数字识别(二)--入门篇
- Tensorflow快速入门2--实现手写数字识别
- tensorflow 入门小例子(mnist手写数字识别)
- Tensorflow高速入门2--实现手写数字识别
- 基于tensorflow的MNIST手写数字识别(二)--入门篇
- tensorflow的完整的hello world教程(检测自己手写识别数字)
- tensorflow入门实践例子—MNIST手写数字识别
- 【转】机器学习教程 十四-利用tensorflow做手写数字识别
- tensorflow入门2 几个函数的总结和手写数字识别
- Tensorflow卷积神经网络识别MINST手写数字
- TensorFlow基础教程:搭建简单的DNN实现手写数字识别
- 基于tensorflow的MNIST手写数字识别--入门篇
- tensorflow入门-mnist手写数字识别(一)
- TensorFlow用MNIST训练的模型来识别手写数字