将自己的图像数据转为mnist可用

自己有一些图像数据，想在TensorFlow上跑，但是需要预处理，于是昨天弄了一会才把预处理弄完，很渣，仅供参考。

利用pandas.read_csv( )之后，变成了x_train（None，784）与y_train（None，1）【label标志】，导入之后是dataFrame格式，现在要把y_train变为（None，10）。

1、先导入数据

x_data = pd.read_csv('../train.csv')
y_train = (x_data['label'])
x_train = x_data.drop('label', 1)

2、将x_train归一化

x_train = x_train/float(255)

3、利用DictVectorize（）转换y_train，由于DictVectorize对[ {str：str1}，{str：str2}...] 可以转为n个特征量，特征值为0、1，而对[ {str：int1}，{str：int2}，... ] 只会转为一个特征量str，然后int为特征值，故需要先将y_train转换为dataFrame（一开始为Series），然后将int转为str，即可用DictVectorize

dv = DictVectorizer(sparse=False)
y_train = y_train.to_frame()
y_train['label'] = y_train['label'].astype(str)
y_train = y_train.to_dict(orient='record')
y_train = dv.fit_transform(y_train)

现在就可以用sess的run了

python sklearn-03：特征提取方法基础知识