在学习人工智能深度学习综合实践一书中进行项目二时导入了mnist数据集却无法识别文件

最新推荐文章于 2024-10-17 08:00:29 发布

duskzrx

最新推荐文章于 2024-10-17 08:00:29 发布

阅读量148

点赞数

文章标签： python numpy 机器学习

本文链接：https://blog.csdn.net/duskzrx/article/details/129718115

版权

在学习人工智能深度学习的实践中，遇到项目二的一个挑战：成功导入MNIST数据集后，程序却无法正确识别文件。这可能是由于数据加载、预处理或numpy操作方面的问题。进一步排查和理解数据格式及Python代码的执行流程是解决此问题的关键。

摘要由CSDN通过智能技术生成

import paddle
import paddle.nn.functional as F
from paddle.nn import Conv2D, Linear, MaxPool2D
import numpy as np
import os
import json
import random

print(paddle.__version__)


def data_generator(imgs, labels, batch_size, mode='train'):
    imgs_length = len(imgs)
    index_list = list(range(imgs_length))
    if mode == 'train':
        random.shuffle(index_list)

    imgs_list, labels_list = [], []
    for i in index_list:
        img = np.array(imgs[i].astype('float32'))
        label = np.reshape(labels[i], [1]).astype('int64')
        imgs_list.append(img)
        labels_list.append(label)
        if len(imgs_list) == batch_size:
            yield np.array(imgs_list), np.array(labels_list)
            imgs_list, labels_list = [], []

    if len(imgs_list) > 0:
        yield np.array(imgs_list), np.array(labels_list)


def load_data(mode='train'):
    with open('data/mnist.json','r') as f:
        data = json.load(f)

    train_set, val_set, eval_set = data
    if mode == 'train':
        imgs, labels = train_set[0], train_set[1]
    elif mode == 'valid':
        imgs, labels = val_set[0], val_set[1]
    elif mode == 'eval':
        imgs, labels = eval_set[0], eval_set[1]
    else:
        raise Exception(