tensorflow.examples.tutorials.mnist input\u数据中的数据和标签的结构是什么
我正在努力学习如何在Tensorflow中正确地将数据引入conv网络,大多数示例代码使用import Tensorflow.examples.tutorials.mnist import input_data中的tensorflow.examples.tutorials.mnist input\u数据中的数据和标签的结构是什么,tensorflow,Tensorflow,我正在努力学习如何在Tensorflow中正确地将数据引入conv网络,大多数示例代码使用import Tensorflow.examples.tutorials.mnist import input_data中的 当您可以使用它来访问mnist数据时,这很简单,但当您试图建立等效的方法来构造并将非mnist数据引入类似的模型时,这并没有帮助 通过mnist示例导入的数据的结构是什么,以便我可以使用示例cnn演练代码并操作数据以镜像mnist数据的结构?从该示例代码获得的mnist数据的格式完全
当您可以使用它来访问mnist数据时,这很简单,但当您试图建立等效的方法来构造并将非mnist数据引入类似的模型时,这并没有帮助
通过mnist示例导入的数据的结构是什么,以便我可以使用示例cnn演练代码并操作数据以镜像mnist数据的结构?从该示例代码获得的mnist数据的格式完全取决于初始化类的方式。调用返回两个NumPy数组,分别表示batch\u size
图像和标签。它们有以下格式
- 如果
数据集
是用重塑=真
(默认值)初始化的,则图像数组是一个批量大小
by784
矩阵,其中每行包含一个MNIST图像的像素。默认类型是tf.float32
,值是介于0.0
和1.0
之间的像素强度
- 如果
数据集
是用重塑=假
初始化的,则图像数组是批量大小
by28
by28
by1
4维张量。28
对应于每个图像的高度和宽度(以像素为单位);1
对应于图像中的通道数,这些通道是灰度级的,因此只有一个通道
- 如果使用
one\u hot=False
(默认值)初始化数据集
,则标签数组是长度batch\u size
的向量,其中每个值都是表示相应图像中数字的标签(从0
到9
的整数)
- 如果使用
one\u hot=True
初始化数据集
,则标签数组是batch\u size
by10
矩阵,其中每行均为零,但与相应图像标签对应的列中的1
除外
请注意,如果您对卷积网络感兴趣,则可能需要使用restrape=False
初始化DataSet
,因为这将保留卷积运算符将使用的图像的空间信息。从该示例代码中获得的MNIST数据的格式取决于初始化类的方式。调用返回两个NumPy数组,分别表示batch\u size
图像和标签。它们有以下格式
- 如果
数据集
是用重塑=真
(默认值)初始化的,则图像数组是一个批量大小
by784
矩阵,其中每行包含一个MNIST图像的像素。默认类型是tf.float32
,值是介于0.0
和1.0
之间的像素强度
- 如果
数据集
是用重塑=假
初始化的,则图像数组是批量大小
by28
by28
by1
4维张量。28
对应于每个图像的高度和宽度(以像素为单位);1
对应于图像中的通道数,这些通道是灰度级的,因此只有一个通道
- 如果使用
one\u hot=False
(默认值)初始化数据集
,则标签数组是长度batch\u size
的向量,其中每个值都是表示相应图像中数字的标签(从0
到9
的整数)
- 如果使用
one\u hot=True
初始化数据集
,则标签数组是batch\u size
by10
矩阵,其中每行均为零,但与相应图像标签对应的列中的1
除外
请注意,如果您对卷积网络感兴趣,可能需要使用restrape=False
初始化数据集
,因为这将保留卷积运算符将使用的图像的空间信息。作为快速跟进,是否有方法将其他数据初始化为数据集类型,以便在mnist数据上使用.next_batch()?mnist示例代码实际上不可用于其他类型的数据集,因为它包含特定数据格式的各种详细信息。您可以在这里查看tf.contrib.learn
中的其他示例数据集库:作为快速跟进,是否有方法将其他数据初始化为数据集类型,以便使用.next_batch()除了mnist数据之外?mnist示例代码对于其他类型的数据集不是真正可重用的,因为它包含特定数据格式的各种细节。您可以在这里尝试查看tf.contrib.learn
中的其他示例数据集库: