源碼: tensorflow/g3doc/tutorials/mnist/

本教程的目標(biāo)是展示如何下載用于手寫數(shù)字分類問題所要用到的（經(jīng)典）MNIST數(shù)據(jù)集。

教程 文件

本教程需要使用以下文件：

準(zhǔn)備數(shù)據(jù)

MNIST是在機(jī)器學(xué)習(xí)領(lǐng)域中的一個(gè)經(jīng)典問題。該問題解決的是把28x28像素的灰度手寫數(shù)字圖片識(shí)別為相應(yīng)的數(shù)字，其中數(shù)字的范圍從0到9.

http://wiki.jikexueyuan.com/project/tensorflow-zh/images/mnist_digits.png" alt="MNIST Digits" title="MNIST Digits" />

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(xùn)練集與測試集數(shù)據(jù)的下載。

在 input_data.py 文件中, maybe_download() 函數(shù)可以確保這些訓(xùn)練數(shù)據(jù)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(gè)標(biāo)記變量指定，你可以根據(jù)自己的需要進(jìn)行修改。

解壓 與 重構(gòu)

這些文件本身并沒有使用標(biāo)準(zhǔn)的圖片格式儲(chǔ)存，并且需要使用input_data.py文件中extract_images() 和extract_labels()函數(shù)來手動(dòng)解壓（頁面中有相關(guān)說明）。

圖片數(shù)據(jù)將被解壓成2維的tensor：[image index, pixel index] 其中每一項(xiàng)表示某一圖片中特定像素的強(qiáng)度值, 范圍從 [0, 255] 到 [-0.5, 0.5]。 "image index"代表數(shù)據(jù)集中圖片的編號(hào), 從0到數(shù)據(jù)集的上限值。"pixel index"代表該圖片中像素點(diǎn)得個(gè)數(shù), 從0到圖片的像素上限值。

以train-*開頭的文件中包括60000個(gè)樣本，其中分割出55000個(gè)樣本作為訓(xùn)練集，其余的5000個(gè)樣本作為驗(yàn)證集。因?yàn)樗袛?shù)據(jù)集中28x28像素的灰度圖片的尺寸為784，所以訓(xùn)練集輸出的tensor格式為[55000, 784]。

數(shù)字標(biāo)簽數(shù)據(jù)被解壓稱1維的tensor: [image index]，它定義了每個(gè)樣本數(shù)值的類別分類。對于訓(xùn)練集的標(biāo)簽來說，這個(gè)數(shù)據(jù)規(guī)模就是:[55000]。

數(shù)據(jù)集 對象

底層的源碼將會(huì)執(zhí)行下載、解壓、重構(gòu)圖片和標(biāo)簽數(shù)據(jù)來組成以下的數(shù)據(jù)集對象:

執(zhí)行read_data_sets()函數(shù)將會(huì)返回一個(gè)DataSet實(shí)例，其中包含了以上三個(gè)數(shù)據(jù)集。函數(shù)DataSet.next_batch()是用于獲取以batch_size為大小的一個(gè)元組，其中包含了一組圖片和標(biāo)簽，該元組會(huì)被用于當(dāng)前的TensorFlow運(yùn)算會(huì)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