keras自带的数据集

最新推荐文章于 2024-06-29 13:40:51 发布

WitsMakeMen

最新推荐文章于 2024-06-29 13:40:51 发布

阅读量986

点赞数

分类专栏：算法学习

算法学习专栏收录该内容

213 篇文章 6 订阅

订阅专栏

转自：https://blog.csdn.net/qq_37879432/article/details/78557234
CIFAR10小图像分类
数据集50,000张32x32彩色训练图像，标注超过10个类别，10,000张测试图像。

用法：
from keras.datasets import cifar10
(x_train, y_train), (x_test, y_test) = cifar10.load_data()
返回：
2元组：
x_train，x_test：具有形状（num_samples ，3，32，32）的RGB图像数据的uint8数组。
y_train，y_test：uint8具有形状（num_samples，）的类别标签数组（范围0-9中的整数）。
CIFAR100小图像分类
数据集50,000张32x32彩色训练图像，标注超过100个类别，10,000张测试图像。

用法：
from keras.datasets import cifar100
(x_train, y_train), (x_test, y_test) = cifar100.load_data(label_mode=‘fine’)
返回：

2元组：
x_train，x_test：具有形状（num_samples ，3，32，32）的RGB图像数据的uint8数组。
y_train，y_test：uint8带有形状（num_samples，）的类别标签数组。
参数：

label_mode：“好”或“粗糙”。
IMDB电影评论情绪分类
数据集来自IMDB的2.5万部电影评论，以情绪（正面/负面）标记。评论已被预处理，并且每个评论被编码为一系列词索引（整数）。为了方便起见，词汇通过数据集中的整体频率进行索引，例如整数“3”对数据中第三个最频繁的词进行编码。这允许快速过滤操作，例如：“只考虑前10000个最常用的词，但是排除前20个最常见的词”。

作为惯例，“0”不代表特定的单词，而是用于编码任何未知的单词。

用法：
from keras.datasets import imdb
(x_train, y_train), (x_test, y_test) = imdb.load_data(path=“imdb.npz”,
num_words=None,
skip_top=0,
maxlen=None,
seed=113,
start_char=1,
oov_char=2,
index_from=3)
返回：

2元组：
x_train，x_test：序列列表，索引列表（整数）。如果num_words参数是特定的，则可能的最大索引值是num_words-1。如果指定了maxlen参数，则可能的最大序列长度是maxlen。
y_train，y_test：整数标签列表（1或0）。
参数：

路径：如果你本地没有数据（at ‘~/.keras/datasets/’ + path），它将被下载到这个位置。
num_words：整数或无。考虑最常用的词汇。任何不太频繁的单词将作为oov_char序列数据中的值出现。
skip_top：整数。要忽略的最常见的单词（它们将oov_char在序列数据中显示为值）。
maxlen：int。最大序列长度。任何更长的序列将被截断。
seed：int。用于可重现数据混洗的种子。
start_char：int。一个序列的开始将被标记为这个字符。设为1，因为0通常是填充字符。
oov_char：int。由于num_words 或skip_top限制而被删除的词将被替换为这个字符。
index_from：int。用这个索引和更高的索引实际的单词。
路透社newswire话题分类
来自路透社的11,228条新闻数据集标有46个主题。与IMDB数据集一样，每条线都被编码为一系列字索引（相同的约定）。

用法：
from keras.datasets import reuters
(x_train, y_train), (x_test, y_test) = reuters.load_data(path=“reuters.npz”,
num_words=None,
skip_top=0,
maxlen=None,
test_split=0.2,
seed=113,
start_char=1,
oov_char=2,
index_from=3)
规格与IMDB数据集的规格相同，但增加了：

test_split：float。要用作测试数据的数据集的分数。
该数据集还提供了用于编码序列的字索引：

word_index = reuters.get_word_index(path=“reuters_word_index.json”)
返回：一个字典，其中键是单词（str），值是索引（整数）。例如。word_index[“giraffe”]可能会返回1234。

参数：

路径：如果你本地没有索引文件（at ‘~/.keras/datasets/’ + path），它将被下载到这个位置。
手写数字的MNIST数据库
数据集包含10个数字的60,000个28x28灰度图像，以及10,000个图像的测试集。

用法：
from keras.datasets import mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
返回：

2元组：
x_train，x_test：uint8具有形状（num_samples，28,28）的灰度图像数据数组。
y_train，y_test：uint8带有形状（num_samples，）的数字标签数组（范围0-9中的整数）。
参数：

路径：如果你本地没有索引文件（at ‘~/.keras/datasets/’ + path），它将被下载到这个位置。
时尚文章的时尚MNIST数据库
数据集包含10个时尚类别的60,000个28x28灰度图像，以及10,000个图像的测试集。这个数据集可以用作MNIST的直接替换。类标签是：

标签描述
0 T恤/顶
1 裤子
2 拉过来
3 连衣裙
4 涂层
五檀香
6 衬衫
7 运动鞋
8 袋
9 脚踝靴
用法：
from keras.datasets import fashion_mnist
(x_train, y_train), (x_test, y_test) = fashion_mnist.load_data()
返回：
2元组：
x_train，x_test：uint8具有形状（num_samples，28,28）的灰度图像数据数组。
y_train，y_test：uint8带有形状（num_samples，）的标签数组（范围0-9中的整数）。
波士顿房屋价格回归数据集
数据集取自卡内基梅隆大学维护的StatLib库。