Mnist数据集的加载及运行

最新推荐文章于 2024-07-19 10:12:42 发布

ZQH_

最新推荐文章于 2024-07-19 10:12:42 发布

阅读量6.2k

点赞数 2

分类专栏：机器学习文章标签： MINIST数据集 minist位子 minist加载路径

本文链接：https://blog.csdn.net/qq_38342886/article/details/81636549

版权

本文介绍了MNIST数据集的两种下载方式：手动下载和自动下载，并详细说明了下载后的解压和保存路径。特别指出，加载数据集时使用绝对路径能确保成功。文章最后提到了代码运行的结果。

摘要由CSDN通过智能技术生成

1.下载MINIST数据集有两种方法

（1）手动下载：http://yann.lecun.com/exdb/mnist四个压塑包

train-images-idx3-ubyte.gz: training set images (9912422 bytes)
train-labels-idx1-ubyte.gz: training set labels (28881 bytes)
t10k-images-idx3-ubyte.gz: test set images (1648877 bytes)
t10k-labels-idx1-ubyte.gz: test set labels (4542 bytes)

下载后也要解压，保存在文件夹中，文件的保存位置没有要求，加载的时候使用绝对路径就可以了

（2）自动下载

from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets(r'C:\\test\\Mnist_data', one_hot=True)

这种下载后就自动保存在路径（自己命名的文件夹）C:\\test\\Minist_data中，当然下载后一般也是压缩的，所以也要手动解压

（3）加载路径：我开始使用相对路径一直不成功，然后是直接用比较粗暴的绝对路径最后加载成功

2.运行代码

import numpy as np
import tensorflow as tf

# Import MINST data
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets(r'C:\\test\\Mnist_data', one_hot=True)
#加载数据集并保存在C:\\test\\Minist_data中

Xtr, Ytr = mnist.train.next_batch(5000)
Xte, Yte = mnist.test.next_batch(200)

xtr = tf.placeholder("float",[None,784])
xte = tf.placeholder("float",[784])

distance = tf.reduce_sum(tf.abs(tf.add(xtr,tf.negative