MNIST Training
来源:互联网 发布:淘宝商家进货渠道 编辑:程序博客网 时间:2024/06/07 00:24
http://blog.csdn.net/u013508213/article/details/53401655
MNIST Training
MNIST是在机器学习领域中的一个经典问题。该问题解决的是把28x28像素的灰度手写数字图片识别为相应的数字,其中数字的范围从0到9。
MNIST是ML界的’hello world’,这个比喻还挺有意思的。
MNIST Data
MNIST数据集有四个文件:
- train-images-idx3-ubyte.gz:训练集图片 - 55000 张 训练图片,5000 张 验证图片。
- train-labels-idx1-ubyte.gz:训练集图片对应的数字标签。
- t10k-images-idx3-ubyte.gz:测试集图片 - 10000 张 图片。
- t10k-labels-idx1-ubyte.gz:测试集图片对应的数字标签。
这些文件本身并没有使用标准的图片格式存储。在下面代码中extract_images()和extract_labels()函数可以手动解压他们。
图片数据将被解压成2维的tensor:[image index, pixel index] 其中每一项表示某一图片中特定像素的强度值。”image index”代表数据集中图片的编号,从0到数据集的上限值。”pixel index”代表该图片中像素点的个数, 从0到图片的像素上限值。
以train-*开头的文件中包括60000个样本,其中分割出55000个样本作为训练集,其余的5000个样本作为验证集。因为所有数据集中28x28像素的灰度图片的尺寸为784,所以训练集输出的tensor格式为[55000, 784]。
数字标签数据被解压成1维的tensor:[image index],它定义了每个样本数值的类别分类。对于训练集的标签来说,这个数据规模就是:[55000]。
解压重构图片和标签数据之后,会得到如下数据集对象:
- data_sets.train:55000 组 图片和标签,用于训练。
- data_sets.validation:5000 组 图片和标签,用于迭代验证训练的准确性。
- data_sets.test:10000 组 图片和标签, 用于最终测试训练的准确性。
调用以下代码中的read_data_sets()函数,将会返回一个DataSet实例,其中包含了以上三个数据集。
函数DataSet.next_batch()是用于获取以batch_size为大小的一个元组,其中包含了一组图片和标签,该元组会被用于当前的TensorFlow运算会话中。
这里tensorflow版本不同导致的该函数的参数形式的区别:
resized_image = tf.image.resize_images(img_data_jpg,28,28, method=0)
- MNIST Training
- Training MNIST with Caffe
- Training MNIST LeNet on MNIST with Caffe
- Training LeNet on MNIST with Caffe
- Training LeNet on MNIST with Caffe
- Training LeNet on MNIST with Caffe
- 测试Caffe,Training LeNet on MNIST with Caffe
- caffe学习笔记:1、Training LeNet on MNIST with Caffe
- Learning Caffe(1)---Training LeNet on MNIST with Caffe
- Caffe学习笔记《Training LeNet on MNIST with Caffe》
- mnist
- mnist
- mnist
- MNIST
- caffe 练习1:training LeNet on MNIST with Caffe/ 用LeNet识别手写字符集 Mnist------by 香蕉麦乐迪
- caffe 练习1:training LeNet on MNIST with Caffe/ 用LeNet识别手写字符集 Mnist------by 香蕉麦乐迪
- Training a deep autoencoder or a classifier on MNIST digits_之调试运行与理解
- Training a deep autoencoder or a classifier on MNIST digits_Rbm训练(python)
- Java调用多标签学习开源库Mulan
- SPringMVC的文件上传与下载
- JDBC常用API和使用
- 《组合数学引论》第三章部分习题解答
- [thinkPHP5项目实战_21]管理员添加、删除和修改
- MNIST Training
- 《计算机视觉-一种现代方法(第2版)》读书笔记六:应用之图像搜索和检索
- redis详解-(2)字符串键1
- kubernetes(k8s)集群搭建
- sequelize用法-model定义
- MPAndroidChart的BarChart用法
- JAVA初学(一)
- 开博第一篇
- SwaggerUI 自动生成文档