最近学习TensorFlow的时候,正好利用kaggle上的Minist数据集来入手。经历一段时间的折磨后,终于成功弄出了一个结果,至于优化类的后面再讲,今天就介绍下tensorflow入门minist。
一开始我是看着官网学习的,但是鉴于官网知识很有限,最后我都理解为我自己的东西了。
学习的部分我前半部分为训练模型加保存模型,后半部分为加载模型并预测。这里我们讲解也分为2部分来讲解。
先讲上部分,数据集来源于kaggle上的Minist项目
首先我们加载数据和观察数据,通过简单的观察,数据本身是没有缺失值的,
附上完整代码:
# !/usr/bin/env python3
import tensorflow as tf
import pandas as pd
import numpy as np
def read_data(filename):#读取数据
data=pd.read_csv(filename)
return data
def handle_data(data):
y_data=data['label'].values.ravel() #获取标签数据
data.drop(labels='label',axis=1,inplace=True) #Image 数据
return data,y_data
def train_val_split(x_data,y_data):
large=