数据集
CIFAR10小图像分类
数据集包含50,000个32x32颜色训练图像,标记为10个类别,10,000个测试图像。
用法:
from keras.datasets import cifar10
(x_train, y_train), (x_test, y_test) = cifar10.load_data()
- 返回:
- 2个元组:
- x_train,x_test:uint8具有形状(num_samples ,3,32,32)或(num_samples ,32,32,3)的RGB图像数据阵列,基于
image_data_format
后端设置channels_first
或channels_last
分别设置。 - y_train,y_test:uint8类别标签数组(范围为0-9的整数),其形状为(num_samples,)。
- x_train,x_test:uint8具有形状(num_samples ,3,32,32)或(num_samples ,32,32,3)的RGB图像数据阵列,基于
- 2个元组:
CIFAR100小图像分类
数据集包含50,000个32x32颜色训练图像,标记超过100个类别,以及10,000个测试图像。
用法:
from keras.datasets import cifar100
(x_train, y_train), (x_test, y_test) = cifar100.load_data(label_mode='fine')
-
返回:
- 2个元组:
- x_train,x_test:uint8具有形状(num_samples ,3,32,32)或(num_samples ,32,32,3)的RGB图像数据阵列,基于
image_data_format
后端设置channels_first
或channels_last
分别设置。 - y_train,y_test:uint8具有形状(num_samples,)的类别标签数组。
- x_train,x_test:uint8具有形状(num_samples ,3,32,32)或(num_samples ,32,32,3)的RGB图像数据阵列,基于
- 2个元组:
-
参数:
- label_mode:“fine”或“coarse”。
IMDB电影评论情绪分类
来自IMDB的25,000部电影评论的数据集,标有情绪(正面/负面)。评论已经过预处理,每个评论都被编码为一系列单词索引(整数)。为方便起见,单词由数据集中的整体频率索引,因此例如整数“3”编码数据中第3个最频繁的单词。这允许快速过滤操作,例如:“仅考虑前10,000个最常见的单词,但消除前20个最常见的单词”。
作为惯例,“0”不代表特定单词,而是用于编码任何未知单词。
用法:
from keras.datasets import imdb
(x_train, y_train), (x_test, y_test) = imdb.load_data(path="imdb.npz",
num_words=None,
skip_top=0,
maxlen=None,
seed=113,
start_char=1,
oov_char=2,
index_from=3)
-
返回:
- 2个元组:
- x_train,x_test:序列列表,它是索引列表(整数)。如果num_words参数是特定的,则最大可能索引值为num_words-1。如果指定了maxlen参数,则最大可能的序列长度为maxlen。
- y_train,y_test:整数标签列表(1或0)。
- 2个元组:
-
参数:
- path:如果您没有本地数据(at
'~/.keras/datasets/' + path
),它将被下载到此位置。 - num_words:整数或无。最常见的词汇需要考虑。任何不太频繁的单词将
oov_char
在序列数据中显示为值。 - skip_top:整数。最常被忽略的词(它们将
oov_char
在序列数据中显示为值)。 - maxlen:int。最大序列长度。任何更长的序列都将被截断。
- 种子:int。用于可重复数据改组的种子。
- start_char:int。序列的开头将标有此字符。设置为1,因为0通常是填充字符。
- oov_char:int。这是因为切出字
num_words
或skip_top
限制将这个字符替换。 - index_from:int。使用此索引和更高的索引实际单词。
- path:如果您没有本地数据(at
路透社新闻专题主题分类
来自路透社的11,228条新闻专线的数据集,标注了46个主题。与IMDB数据集一样,每条线都被编码为一系列字索引(相同的约定)。
用法:
from keras.datasets import reuters
(x_train, y_train), (x_test, y_test) = reuters.load_data(path="reuters.npz",
num_words=None,
skip_top=0,
maxlen=None,
test_split=0.2,
seed=113,
start_char=1,
oov_char=2,
index_from=3)
规范与IMDB数据集的规范相同,但增加了:
- test_split:float。要用作测试数据的数据集的分数。
此数据集还提供用于编码序列的单词索引:
word_index = reuters.get_word_index(path="reuters_word_index.json")
-
返回:一个字典,其中键是单词(str),值是索引(整数)。例如。
word_index["giraffe"]
可能会回来1234
。 -
参数:
- path:如果您没有本地(at
'~/.keras/datasets/' + path
)的索引文件,它将被下载到此位置。
- path:如果您没有本地(at
MNIST手写数字数据库
数据集包含10个数字的60,000个28x28灰度图像,以及10,000个图像的测试集。
用法:
from keras.datasets import mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
-
返回:
- 2个元组:
- x_train,x_test:uint8具有形状的灰度图像数据阵列(num_samples,28,28)。
- y_train,y_test:uint8数字标签数组(范围0-9中的整数),形状为(num_samples,)。
- 2个元组:
-
参数:
- path:如果您没有本地(at
'~/.keras/datasets/' + path
)的索引文件,它将被下载到此位置。
- path:如果您没有本地(at
Fashion-MNIST时尚文章数据库
数据集包含10个时尚类别的60,000个28x28灰度图像,以及10,000个图像的测试集。该数据集可用作MNIST的替代品。班级标签是:
标签 | 描述 |
---|---|
0 | T恤/顶 |
1 | 裤子 |
2 | 拉过来 |
3 | 连衣裙 |
4 | 涂层 |
五 | 檀香 |
6 | 衬衫 |
7 | 运动鞋 |
8 | 袋 |
9 | 踝靴 |
用法:
from keras.datasets import fashion_mnist
(x_train, y_train), (x_test, y_test) = fashion_mnist.load_data()
- 返回:
- 2个元组:
- x_train,x_test:uint8具有形状的灰度图像数据阵列(num_samples,28,28)。
- y_train,y_test:uint8带有形状(num_samples,)的标签数组(范围0-9中的整数)。
- 2个元组:
波士顿住房价格回归数据集
数据集取自在卡内基梅隆大学维护的StatLib库。
在20世纪70年代后期,样本包含波士顿郊区周围不同位置的13种房屋属性。目标是一个地方房屋的中位数值(以k $计)。
用法:
from keras.datasets import boston_housing
(x_train, y_train), (x_test, y_test) = boston_housing.load_data()
-
参数:
- path:在本地缓存数据集的路径(相对于〜/ .keras / datasets)。
- 种子:用于在计算测试分割之前对数据进行混洗的随机种子。
- test_split:要保留为测试集的数据的一部分。
-
返回: Numpy数组的元组:
(x_train, y_train), (x_test, y_test)
。