TensorFlow的MNIST学习

转载请注明出处：http://blog.csdn.net/gamer_gyt
博主微博：http://weibo.com/234654758
Github：https://github.com/thinkgamer

---

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.

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。

数据集简介

MNIST数据集加载有两种办法，第一是直接从网上下载，第二是下载到本地进行load（跟第一种类似，只不过是事先下载好，从本地进行加载）。从网上下载到本地方式如下：

# 加载mnist数据集
from tensorflow.examples.tutorials.mnist import input_data
print("load finish")

mnist = input_data.read_data_sets("MNIST_data/",one_hot=True)
print(type(mnist))

输出为：

load finish
Extracting MNIST_data/train-images-idx3-ubyte.gz
Extracting MNIST_data/train-labels-idx1-ubyte.gz
Extracting MNIST_data/t10k-images-idx3-ubyte.gz
Extracting MNIST_data/t10k-labels-idx1-ubyte.gz
<class 'tensorflow.contrib.learn.python.learn.datasets.base.Datasets'>

---

补充：
MAC OS 下载Mnist数据集出错

urllib.error.URLError: <urlopen error [SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed (_ssl.c:749)>

原因：MAC OS自带安装的OpenSSL比较老，已经无法使用。

解决办法

# Python3.6以后，在命令行执行以下命令即可。
# https://qiita.com/orangain/items/0a641d980019fd7e0c52

/Applications/Python\ 3.6/Install\ Certificates.command

# 执行该命令前
$ ls -l /Library/Frameworks/Python.framework/Versions/3.6/etc/openssl/

# 执行该命令后
ls -l /Library/Frameworks/Python.framework/Versions/3.6/etc/openssl/
lrwxr-xr-x  1 cyan  admin  52  2 23 11:27 cert.pem -> ../../lib/python3.6/site-packages/certifi/cacert.pem

---

print("MNIST 训练集数据条数：" ,mnist.train.num_examples)
print("MNIST 测试集数据条数：" ,mnist.test.num_examples)

train_img = mnist.train.images
train_label = mnist.train.labels
print("训练集类型：",type(train_img))
print("训练集维度：",train_img.shape)

test_img = mnist.test.images
test_label = mnist.test.labels
print("测试集类型：",type(test_img))
print("测试集维度：",test_img.shape)

输出为：

MNIST 训练集数据条数： 55000
MNIST 测试集数据条数： 10000
训练集类型： <class 'numpy.ndarray'>
训练集维度： (55000, 784)
测试集类型： <class 'numpy.ndarray'>
测试集维度： (10000, 784)

打开当前运行代码的目录，我们会发现一个MNIST_data的文件夹，里边包含的文件如下：

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

使用next_batch函数加载指定条数的数据集

# 关于next_batch函数
batchSize = 100
batch_x,batch_y = mnist.train.next_batch(batch_size=batchSize)
print(batch_x.shape)
print(batch_y.shape)

输出为：

(100, 784)
(100, 10)

---

【技术服务】，详情点击查看： https://mp.weixin.qq.com/s/PtX9ukKRBmazAWARprGIAg

---

扫一扫 关注微信公众号！号主 专注于搜索和推荐系统，尝试使用算法去更好的服务于用户，包括但不局限于机器学习，深度学习，强化学习，自然语言理解，知识图谱，还不定时分享技术，资料，思考等文章！

---