Python 在Tensorflow中使用您自己的数据

我已经知道如何使用mnist数据集制作神经网络。3个月来，我一直在寻找关于如何在自己的数据集上训练神经网络的教程，但我就是不明白。如果有人能推荐一些好的教程，或者解释所有这些是如何工作的，请帮助。

---

另外，我不会安装NLTK。看起来很多人都在文本上训练他们的神经网络，但我不会这么做。如果我要安装NLTK，我只会使用它一次。

我建议您使用OpenCV库。无论您使用MNIST数据还是PIL，当它被加载时，它们都只是NumPy数组。如果您想使MNIST数据集与您经过培训的模型相匹配，我是这样做的：

1.使用cv2.imread加载所有要用作训练数据集的图像

2.使用cv2.cvtColor将所有图像转换为灰度图像，并将其调整为28x28

3.将所有数据集中的每个像素除以255

4.像往常一样进行训练

---

我没有尝试将其设置为您自己的格式，但理论上它是相同的。

可能是重复的，我无意将图像加载到我的NN中。假设我有一个二进制数的输入矩阵和一个下一个二进制数的输出矩阵。我如何建立一个在这些矩阵上训练的网络？（对不起，我的英语不好。我希望这是可以理解的。）我很困惑。神经网络只是一组值，首先获取您的输入，然后为您的预期输出优化随机值。所以你只需要给它贴上正确或错误的标签，你有标签和输入，你的确切意思是“我如何建立一个在这些矩阵上训练的网络”？数据集不需要是图像，就像我说的，你有脚本，输入和标签，你有输出。我尝试了一个由np.random_normal生成的简单数据集，它工作得很好，精确度令人惊讶。