tensorflow开发 之数字识别文件读取

点击查看 (人工智能) 系列文章

---

mnist文件读取

  目前 tenserflow 2.0版本已经取消了examples的模块，当然，还可以自己下载后将整个文件夹放在tensorflow目录下继续使用，不过官方已经推荐了新的用法，还是建议直接用新用法。

1.0 旧用法报错

2.0 推荐用法

从执行结果看到：

1. tensorflow版本是2.6.0
2. 从storage.googleapis.com下载文件用时2s
3. 下载的训练数据有6万个，测试数据有1万个；其中训练图片样本为28*28数据，标签为1维数值

读取函数解析

tf.kera.datasets.mnist.load_data(path='')
参数Path：
	本地缓存Mnist数据集（mnist.npz）的相对路径（~/.kera/datasets/)，如果windows系统，则可能是（C:\\Users\\用户名\\）
返回值：
	Numpy数组元组，具体为“（x_train, y_train），（x_test, y_test）”，即从前到后依次为训练集的图片和标签，测试集的图片和标签

下载本地缓存

数据显示

将前20个数据，使用4*5的矩阵显示出来：

源码

# author: suoxd123@126.com
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data

mnist = input_data.read_data_sets('./mnist/dataset')

# author: suoxd123@126.com
import tensorflow as tf

print(tf.__version__)
# 读取数据
mnist = tf.keras.datasets.mnist
(imgTrain, labelTrain),(imgTest, labelTest) = mnist.load_data(path='mnist.npz')

# 显示数据基本信息
print(imgTrain.shape, imgTest.shape)
print(labelTrain.shape, labelTest.shape)

# author: suoxd123@126.com
import matplotlib.pyplot as plt

# 显示图片
fig = plt.figure()
for i in range(20):
    plt.subplot(4,5, i+1)
    plt.tight_layout()  #自动适配子图尺寸
    plt.imshow(imgTrain[i], cmap='binary')
    plt.title("Label:{}".format(labelTrain[i]))
    plt.xticks([])  # 删除坐标标记
    plt.yticks([])