TensorFlow 教程 --教程--2.2 數據準備

MNIST 數據下載

源碼: tensorflow/g3doc/tutorials/mnist/

本教程的目標是展現如何下載用於手寫數字分類問題所要用到的（經典）MNIST數據集。

教程 文件

本教程須要使用如下文件：

文件	目的
input_data.py	下載用於訓練和測試的MNIST數據集的源碼

準備數據

MNIST是在機器學習領域中的一個經典問題。該問題解決的是把28x28像素的灰度手寫數字圖片識別爲相應的數字，其中數字的範圍從0到9.

更多詳情, 請參考 Yann LeCun's MNIST page 或 Chris Olah's visualizations of MNIST.

下載

Yann LeCun's MNIST page 也提供了訓練集與測試集數據的下載。

文件	內容
train-images-idx3-ubyte.gz	訓練集圖片 - 55000 張 訓練圖片, 5000 張 驗證圖片
train-labels-idx1-ubyte.gz	訓練集圖片對應的數字標籤
t10k-images-idx3-ubyte.gz	測試集圖片 - 10000 張 圖片
t10k-labels-idx1-ubyte.gz	測試集圖片對應的數字標籤

在 input_data.py 文件中, maybe_download() 函數能夠確保這些訓練數據下載到本地文件夾中。

文件夾的名字在 fully_connected_feed.py 文件的頂部由一個標記變量指定，你能夠根據本身的須要進行修改。

解壓 與 重構

這些文件自己並無使用標準的圖片格式儲存，而且須要使用input_data.py文件中extract_images()和extract_labels()函數來手動解壓（頁面中有相關說明）。

圖片數據將被解壓成2維的tensor：[image index, pixel index] 其中每一項表示某一圖片中特定像素的強度值, 範圍從 [0, 255] 到 [-0.5, 0.5]。 "image index"表明數據集中圖片的編號, 從0到數據集的上限值。"pixel index"表明該圖片中像素點得個數, 從0到圖片的像素上限值。

以train-*開頭的文件中包括60000個樣本，其中分割出55000個樣本做爲訓練集，其他的5000個樣本做爲驗證集。由於全部數據集中28x28像素的灰度圖片的尺寸爲784，因此訓練集輸出的tensor格式爲[55000, 784]。

數字標籤數據被解壓稱1維的tensor: [image index]，它定義了每一個樣本數值的類別分類。對於訓練集的標籤來講，這個數據規模就是:[55000]。

數據集 對象

底層的源碼將會執行下載、解壓、重構圖片和標籤數據來組成如下的數據集對象:

數據集	目的
data_sets.train	55000 組 圖片和標籤, 用於訓練。
data_sets.validation	5000 組 圖片和標籤, 用於迭代驗證訓練的準確性。
data_sets.test	10000 組 圖片和標籤, 用於最終測試訓練的準確性。

執行read_data_sets()函數將會返回一個DataSet實例，其中包含了以上三個數據集。函數DataSet.next_batch()是用於獲取以batch_size爲大小的一個元組，其中包含了一組圖片和標籤，該元組會被用於當前的TensorFlow運算會話中。

images_feed, labels_feed = data_set.next_batch(FLAGS.batch_size)

原文地址：MNIST Data Download 翻譯：btpeter 校對：waiwaizheng