标签:batch 笔记 学习 shape train print tensorflow data mnist
Mnist数据集简介3
import numpy as np import tensorflow as tf import matplotlib.pyplot as plt import input_data print("packs loaded") print("Download and Extract MNIST dataset") mnist = input_data.read_data_sets('data/',one_hot=True) #one_hot=True编码格式为01编码 print print("type of 'mnist' is %s" % (type(mnist))) print("number of train data is %d" % (mnist.train.num_examples)) print("number of test data is %d" % (mnist.test.num_examples)) trainimg = mnist.train.images trainlabel = mnist.train.labels testimg = mnist.test.images testlabel = mnist.test.labels #初步看一下数据集的样子 nsample = 5 randidx = np.random.randint(trainimg.shape[0],size=nsample) for i in randidx: curr_img = np.reshape(trainimg[i,:],(28,28)) curr_label = np.argmax(trainlabel[i,:]) plt.matshow(curr_img,cmap=plt.get_cmap('gray')) plt.show() #分批学习 batch_size = 100 batch_xs, batch_ys = mnist.train.next_batch(batch_size) print("shape of 'batch_xs' is %s" % (batch_xs.shape,)) print("shape of 'batch_ys' is %s" % (batch_ys.shape,))
标签:batch,笔记,学习,shape,train,print,tensorflow,data,mnist 来源: https://www.cnblogs.com/xrj-/p/14456167.html
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。