tensorflow2.3.1无法导入mnist数据集

Pycharm tensorflow2.3.1无法导入mnist数据集,程序运行报错No module named tensorflow.examples.tutorials.mnist

from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets ( 'E:/pythonProject/python37/Lib/site-packages/tensorflow/examples/tutorials/mnist/MNIST_data', one_hot=True)

报错原因是因为tensorflow2.3.1没有tutorials 文件 首先需要下载
tutorials下载链接:
tutorials
将下载好的文件解压到tensorflow/examples
如果原先有数据集的先卸载掉,因为这个代码会自动帮你下载,原先有数据集的运行就会报错。
运行代码:
结果如图

Successfully downloaded train-images-idx3-ubyte.gz 9912422 bytes.
Extracting E:/pythonProject/python37/Lib/site-packages/tensorflow/examples/tutorials/mnist/MNIST_data\train-images-idx3-ubyte.gz
Successfully downloaded train-labels-idx1-ubyte.gz 28881 bytes.
Extracting E:/pythonProject/python37/Lib/site-packages/tensorflow/examples/tutorials/mnist/MNIST_data\train-labels-idx1-ubyte.gz
Successfully downloaded t10k-images-idx3-ubyte.gz 1648877 bytes.
Extracting E:/pythonProject/python37/Lib/site-packages/tensorflow/examples/tutorials/mnist/MNIST_data\t10k-images-idx3-ubyte.gz
Successfully downloaded t10k-labels-idx1-ubyte.gz 4542 bytes.
Extracting E:/pythonProject/python37/Lib/site-packages/tensorflow/examples/tutorials/mnist/MNIST_data\t10k-labels-idx1-ubyte.gz

### 回答1: TensorFlow 2.3.1对应的Keras是Keras API的一部分,它已经被整合到TensorFlow中。因此,您可以直接使用TensorFlow 2.3.1来使用Keras API。TensorFlow 2.3.1的Keras API提供了一组高级的神经网络层和模型,可以帮助您快速构建和训练深度学习模型。 ### 回答2: TensorFlow 2.3.1是一种开源的机器学习框架,它非常强大,并且支持各种各样的机器学习模型的构建和训练。它是由Google开发的,就是它可以轻松处理大数据集和复杂的机器学习算法,它旨在提供一个高效、易用和可扩展的解决方案。 TensorFlow 2.3.1通过与Keras紧密集成来实现神经网络的训练和推理。Keras是一种高级API,它可以以简单直接的方式定义神经网络,使得编写和调试模型变得非常容易。在TensorFlow 2.3.1中,Keras已经成为官方标准API,它使用标准的TensorFlow张量作为输入和输出,同时具有自动微分、基于图形的计算和实时数据增强等功能。 Keras在TensorFlow 2.3.1中的实现提供了非常快速和灵活的模型定义和训练。Keras提供了许多常用层的实现,如卷积层、池化层、全连接层等。此外,Keras还提供了许多损失函数、优化器和度量标准等工具,使得模型训练变得更加容易。 TensorFlow 2.3.1中的Keras还支持分布式训练,这意味着用户可以利用多个GPU或多个计算机来加速模型训练。此外,Keras还提供了许多有用的工具和可视化功能,如TensorBoard,它可以帮助用户对模型的性能进行监控和调试。 总之,在TensorFlow 2.3.1中,Keras提供了一种方便、高效和易用的方法来定义和训练神经网络模型。Keras的强大功能,加上TensorFlow的高性能和可扩展性,使得TensorFlow 2.3.1成为一种非常流行和有用的机器学习框架。 ### 回答3: TensorFlow 2.3.1是谷歌开源的一款深度学习框架,是TensorFlow的最新版本。TensorFlow 2.x的一个主要改变是将Keras框架整合进TensorFlow中,作为TensorFlow的默认框架,因此,TensorFlow 2.3.1也是与Keras密不可分的。 Keras是一个高度模块化的、对使用者友好的、高度可扩展的深度学习框架。早在TensorFlow 1.x的时代,Keras就被作为TensorFlow的高层API使用,并异彩纷呈。在TensorFlow 2.0之后,Keras更是作为TensorFlow的默认框架出现了,这意味着我们可以直接在TensorFlow的应用程序中使用Keras的所有功能和API,并享受更好的用户体验和更高效的开发速度。 在TensorFlow 2.3.1中,我们可以使用Keras的高级API,如序列模型、函数式API等等。 序列模型是基本的线性层堆栈,即多个全连接层按照顺序堆叠在一起,可以通过简单的语法来创建。而函数式API可以构建更加复杂的模型,如具有多重输入或输出的模型,以及共享层或多层的模型,可以通过构造函数式API来构建模型。 TensorFlow 2.3.1中的Keras还可以使用不同的优化器、损失函数和指标,并可以很容易地使用自定义的方法。此外,TensorFlow 2.3.1支持训练过程中的自动微分功能,这意味着我们可以自动计算梯度,避免手动计算梯度的复杂性。 总之,TensorFlow 2.3.1和Keras是分不开的,它提供了一个高可定制的、用户友好的深度学习平台,让开发者能够更加高效地构建和训练深度学习模型。
评论
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