初学Mnist数据集

今晚在Spyder编译器中输入mnist = input_data.read_data_sets("D:\SpyderProject\data\mnist\input_data/", one_hot=True),其中D:\SpyderProject\data\mnist\input_data里面放的是我从 http://yann.lecun.com/exdb/mnist/ 下载的数据集。

但是运行这句代码过后,一直报如图所示的错误:

参考了多篇博客也没有找到合适的解决方法,也不知道是不是自己路径表达的有问题,各种修改,还是报同样的错误。仔细看错误提示的话,一Extracting到t10k-images-idx3-ubyte.gz就挂掉,我索性把D:\SpyderProject\data\mnist\input_data里面的t10k-images-idx3-ubyte.gz删掉,重新运行,莫名其妙地就成了。真的好奇怪,官网下载的数据集也有问题么??

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在PyCharm中添加MNIST数据集通常用于机器学习项目中,特别是图像识别任务。MNIST是一个手写数字数据集,包含60,000个训练样本和10,000个测试样本,非常适合初学者入门深度学习。以下是在PyCharm中添加MNIST数据集的步骤: 1. **安装所需库**: 首先,确保你已经安装了`TensorFlow`或`Keras`库,因为它们通常包含了预处理MNIST数据的功能。如果没有,可以通过pip安装: ```sh pip install tensorflow keras ``` 2. **导入数据**: 使用`tensorflow.keras.datasets`中的`load_data()`函数加载MNIST数据: ```python from tensorflow.keras.datasets import mnist (train_images, train_labels), (test_images, test_labels) = mnist.load_data() ``` 3. **数据预处理**: 数据通常需要归一化到0-1范围,然后将像素值转换为浮点数: ```python train_images, test_images = train_images / 255.0, test_images / 255.0 ``` 4. **数据划分**(可选): 如果你想在PyCharm的数据视图中管理数据,你可以将其划分为训练集和验证集,比如使用`sklearn.model_selection.train_test_split`函数。 5. **保存数据**(可选): 如果你想要长期保存数据以供后续使用,可以将处理后的数据保存成 `.npz` 或 `.hdf5` 文件。 6. **在PyCharm中查看数据**: 在PyCharm中,你可以在项目的某个文件夹下创建一个子目录(如"data"),然后把处理好的数据文件(`.npz`或`.hdf5`)放入其中。这样,在项目视图中就能看到并访问这些数据了。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值