Python神经网络代码识别手写字的实现流程(一)：加载mnist数据

最新推荐文章于 2024-07-28 21:46:27 发布

H-T-TYSK

最新推荐文章于 2024-07-28 21:46:27 发布

阅读量4.2k

点赞数 2

分类专栏：编程神经网络 python 文章标签： python 神经网络

本文链接：https://blog.csdn.net/yuyushikuan/article/details/78433778

版权

本文介绍了使用Python加载MNIST手写数字数据集的步骤，涉及gzip和pickle模块的运用，以及数据集的解压、预处理，包括将数据转换为适合神经网络输入的格式。

摘要由CSDN通过智能技术生成

任何的神经网络代码，加载数据都是第一步．加载数据的流程其实就是给神将网络的输入层输入数据的流程．
（１）首先介绍python中的gzip模块：gzip模块就是将压缩的数据解压，然后返回一个文件对象．
介绍python3中的pickle模块（该模块在python2中为cPickle）.pickle模块的主要功能是将对象以文件的形式存在磁盘上，这句话看似拗口，但是理解了例子以后可以慢慢的理解．
函数：pickle.dump(obj, file, [,protocol])
将对象obj存到文件file中．
函数：pickle.load(file)
从file中读取一个字符串，并将它重构为原来的python对象。
（２）神经网络中我们使用的数据集为mnist.pkl.gz，是一个压缩文件．因此使用数据集时我们需要将该数据集解压，取出数据集中的数据．

  if os.path.exists('/ysk/code/python/neural-networks-and-deep-learning/data/mnist.pkl.gz')
        f = gzip.open('/ysk/code/python/neural-networks-and-deep-learning