简单介绍python深度学习tensorflow实例数据下载与读取

共计 1568 个字符，预计需要花费 4 分钟才能阅读完成。

深度学习的入门实例，一般就是 mnist 手写数字分类识别，因此我们应该先下载这个数据集。

tensorflow 提供一个 input_data.py 文件，专门用于下载 mnist 数据，我们直接调用就可以了，代码如下：

import tensorflow.examples.tutorials.mnist.input_data
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)

执行完成后，会在当前目录下新建一个文件夹 MNIST_data, 下载的数据将放入这个文件夹内。下载的四个文件为：

input_data 文件会调用一个 maybe_download 函数，确保数据下载成功。这个函数还会判断数据是否已经下载，如果已经下载好了，就不再重复下载。

下载下来的数据集被分三个子集：5.5W 行的训练数据集（mnist.train），5 千行的验证数据集（mnist.validation) 和 1W 行的测试数据集（mnist.test）。因为每张图片为 28×28 的黑白图片，所以每行为 784 维的向量。

每个子集都由两部分组成：图片部分（images) 和标签部分 (labels), 我们可以用下面的代码来查看：

print mnist.train.images.shape
print mnist.train.labels.shape
print mnist.validation.images.shape
print mnist.validation.labels.shape
print mnist.test.images.shape
print mnist.test.labels.shape

如果想在 spyder 编辑器中查看具体数值，可以将这些数据提取为变量来查看，如：

val_data=mnist.validation.images
val_label=mnist.validation.labels

除了 mnist 手写字体图片数据，tf 还提供了几个 csv 的数据供大家练习，存放路径为：

/home/xxx/anaconda3/lib/python3.5/site-packages/tensorflow/contrib/learn/python/learn/datasets/data/text_train.csv

如果要将这些数据读出来，可用代码：

import tensorflow.contrib.learn.python.learn.datasets.base as base
iris_data,iris_label=base.load_iris()
house_data,house_label=base.load_boston()

前者为 iris 鸢尾花卉数据集, 后者为波士顿房价数据。

tf 提供了 cifar10 数据的下载和读取的函数，我们直接调用就可以了。执行下列代码：

import tensorflow.models.image.cifar10.cifar10 as cifar10
cifar10.maybe_download_and_extract()
images, labels = cifar10.distorted_inputs()
print images
print labels

就可以将 cifar10 下载并读取出来。

以上就是 python 深度学习 tensorflow 实例数据下载与读取的详细内容。

阿里云 2 核 2G 服务器 3M 带宽 61 元 1 年，有高配

腾讯云新客低至 82 元 / 年，老客户 99 元 / 年

代金券：在阿里云专用满减优惠券