解决tensorflow 里面fashion_mnist下载失败(超时)的问题

我们在使用keras.datset.fashion_mnist.load_data()的时候,在执行程序的时候会下载fashion_mnist, 但是因为网络的原因,加载的会很慢,然后连接失败。

在网上找了数据,很多都是要积分下载的,所以,我直接分享给大家
百度云:
链接:https://pan.baidu.com/s/1pMiOVNTRgThHDTP7DaXSbQ
提取码:xnc0
复制这段内容后打开百度网盘手机App,操作更方便哦

下载好之后,把下载的fashion_mnist移动到C:\Users\MK.keras\datasets下就好了
(我电脑是Windows)

然后运行一下这段代码,看看有没有什么问题,没有报错的话就没问题了

from tensorflow import keras
(x, y), (x_test,y_test) = keras.datasets.fashion_mnist.load_data()
print(x.shape, y.shape)
print(x_test.shape, y_test.shape)

好用请点个赞

  • 7
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
TensorFlow 1.4版本中,fashion_mnist数据集还没有被包含在TensorFlow的内置数据集中,因此需要手动导入。可以通过以下步骤导入fashion_mnist数据集: 1. 首先,从Github上下载fashion_mnist数据集的压缩文件,链接为:https://github.com/zalandoresearch/fashion-mnist/tree/master/data/fashion。 2. 将下载的压缩文件解压缩,得到四个文件:train-images-idx3-ubyte、train-labels-idx1-ubyte、t10k-images-idx3-ubyte、t10k-labels-idx1-ubyte。 3. 在TensorFlow中,我们可以使用`input_data`模块中的`read_data_sets`函数来导入数据集。因此,我们需要先导入`input_data`模块: ```python from tensorflow.examples.tutorials.mnist import input_data ``` 4. 然后,我们可以使用`read_data_sets`函数导入fashion_mnist数据集,具体代码如下: ```python fashion_mnist = input_data.read_data_sets('path/to/fashion_mnist_data', one_hot=True) ``` 其中,`path/to/fashion_mnist_data`是fashion_mnist数据集的路径,one_hot=True表示将标签进行one-hot编码。 5. 最后,我们可以使用`fashion_mnist.train.images`和`fashion_mnist.train.labels`访问训练集的图像和标签,使用`fashion_mnist.test.images`和`fashion_mnist.test.labels`访问测试集的图像和标签。 完整的导入代码如下: ```python from tensorflow.examples.tutorials.mnist import input_data fashion_mnist = input_data.read_data_sets('path/to/fashion_mnist_data', one_hot=True) train_images = fashion_mnist.train.images train_labels = fashion_mnist.train.labels test_images = fashion_mnist.test.images test_labels = fashion_mnist.test.labels ```

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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