13 tensorflow資料集操作

功能

函式**

載入資料集

datasets.dataset_name.load_data()

構建 dataset 物件

tf.data.dataset_name.from_tensor_slices((x, y))

隨機打散

dataset_name.shuffle(buffer_size)

批訓練dataset_name.batch(size)

資料預處理

dataset_name.map(func_name)

資料集datatset_name

型別boston housing

波士頓房價趨勢

cifar10/100

資料集mnist/fashion_mnist

手寫數字

imdb

文字分類

資料集快取在使用者目錄下的.keras/datasets 資料夾

import tensorflow as tf

from tensorflow.keras import datasets
(x,y)
,(x_text,y_text)
= datasets.mnist.load_data(
)print
(x.shape)
print
(y.shape)
print
(x_text.shape)
print
(y_text.shape)
out:
(60000,28
,28)(
60000,)
(10000,28
,28)(
10000
,)

import tensorflow as tf

from tensorflow.keras import datasets
(x,y)
,(x_text,y_text)
= datasets.mnist.load_data(
)print
(x.shape)
print
(y.shape)
print
(x_text.shape)
print
(y_text.shape)
train_db = tf.data.dataset.from_tensor_slices(
(x, y)
)print
(train_db)
out:
(60000,28
,28)(
60000,)
(10000,28
,28)(
10000,)
28,28)
,())
, types:
(tf.uint8, tf.uint8)
>

import tensorflow as tf

from tensorflow.keras import datasets
(x,y)
,(x_text,y_text)
= datasets.mnist.load_data(
)print
(x.shape)
print
(y.shape)
print
(x_text.shape)
print
(y_text.shape)
train_db = tf.data.dataset.from_tensor_slices(
(x, y)
)td = train_db.shuffle(
500)
print
(td)
out:
(60000,28
,28)(
60000,)
(10000,28
,28)(
10000,)
28,28)
,())
, types:
(tf.uint8, tf.uint8)
>

import tensorflow as tf

from tensorflow.keras import datasets
(x,y)
,(x_text,y_text)
= datasets.mnist.load_data(
)train_db = tf.data.dataset.from_tensor_slices(
(x, y)
)train_db = train_db.batch(
100)
print
(train_db)
out:
none,28
,28),
(none,)
), types:
(tf.uint8, tf.uint8)
>

import tensorflow as tf

from tensorflow.keras import datasets
(x,y)
,(x_text,y_text)
= datasets.mnist.load_data(
)train_db = tf.data.dataset.from_tensor_slices(
(x, y)
)def
func_name
(x,y)
: x = tf.cast(x, dtype=tf.float32)
/255
. x = tf.reshape(x,[-
1,28*
28]) y = tf.cast(y, dtype=tf.int32)
y = tf.one_hot(y, depth=10)
return x , y
train_db = train_db.
map(func_name)
print
(train_db)
out:
1,784),(
10,))
, types:
(tf.float32, tf.float32)
>

tensorflow學習筆記13

訓練神經網路3 問題解決 上面定義與下面呼叫的引數不一致，導致出現了錯誤 import numpy as np import tensorflow as tf import matplotlib.pyplot as plt import input data mnist input data.rea...

用TensorFlow實現iris資料集線性回歸

本文將遍歷批量資料點並讓tensorflow更新斜率和y截距。這次將使用scikit learn的內建iris資料集。特別地，我們將用資料點 x值代表花瓣寬度，y值代表花瓣長度 找到最優直線。選擇這兩種特徵是因為它們具有線性關係，在後續結果中將會看到。本文將使用l2正則損失函式。用tensorflo...

Tensorflow中資料集的相關操作

在資料集框架中，每乙個資料集代表乙個資料 其資料 有一下幾種 張量，tfrecord檔案，文字檔案，sharding檔案等等。一.資料集dataset的常用構造方法 1 從乙個tensor中構造資料集 dataset tf.data.dataset.from tensor slices tensor...