深度學習2.0-12.神經網路與全連線層之資料集的載入
文章目錄
資料集的載入
1.tf.data.Dataset.from_tensor_slices
它的作用是切分傳入Tensor的第一個維度,生成相應的dataset。
將輸入的張量的第一個維度看做樣本的個數,沿其第一個維度將tensor切片,得到的每個切片是一個樣本資料。實現了輸入張量的自動切片。
可以是numpy格式,也可以是tensorflow的tensor的格式,函式會自動將numpy格式轉為tensorflow
的tensor格式
輸入可以是一個tensor 或 一個tensor字典(字典的每個key對應的value是一個tensor,要求各tensor的
第一個維度相等) 或 一個tensor tuple(tuple 的每個元素是一個tensor,要求各tensor的第一個維度
相等)
# from_tensor_slices 為輸入張量的每一行建立一個帶有單獨元素的資料集
ts = tf.constant([[1, 2], [3, 4]])
ds = tf.data.Dataset.from_tensor_slices(ts) # [1, 2], [3, 4]
2.keras.datasets
mnist資料載入
CIFAR10/100資料集的載入
3.tf.data.Dataset.from_tensor_slices
1.shuffle-打散-注意:x和y的相對順序不能打散
可以利用idx來記錄打散順序,以確保x和y的相對順序
2.map-可用於資料預處理
3.batch-讀取batch個(x,y)
4.repeat-重複取
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import datasets
# 資料預處理
def prepare_mnist_features_and_labels(x,y):
x = tf.cast(x,dtype=tf.float32) / 255.0
y = tf.cast(y,dtype=tf.int64)
y = tf.one_hot(y,depth=10)
return x,y
# 資料集
# 資料集載入-->dataset-->ont_hot等資料預處理-->shuffle-->batchm
def mnist_dataset():
(x,y),(x_val,y_val) = datasets.fashion_mnist.load_data()
ds = tf.data.Dataset.from_tensor_slices((x,y))
ds = ds.map(prepare_mnist_features_and_labels)
ds = ds.shuffle(60000).batch(100)
ds_val = tf.data.Dataset.from_tensor_slices((x_val,y_val))
ds_val = ds_val.map(prepare_mnist_features_and_labels)
ds_val = ds_val.shuffle(10000).batch(100)
return ds,ds_val
if __name__ == '__main__':
ds,ds_val = mnist_dataset()
相關文章
- 全連線神經網路學習筆記神經網路筆記
- 【深度學習】1.4深層神經網路深度學習神經網路
- 深度學習教程 | 深層神經網路深度學習神經網路
- 【深度學習】神經網路入門深度學習神經網路
- AI之(神經網路+深度學習)AI神經網路深度學習
- 再聊神經網路與深度學習神經網路深度學習
- 深度學習與圖神經網路深度學習神經網路
- 深度學習系列(2)——神經網路與深度學習深度學習神經網路
- 神經網路和深度學習簡史(全)神經網路深度學習
- 吳恩達《神經網路與深度學習》課程筆記(4)– 淺層神經網路吳恩達神經網路深度學習筆記
- 吳恩達《神經網路與深度學習》課程筆記(5)– 深層神經網路吳恩達神經網路深度學習筆記
- 深度學習與圖神經網路學習分享:CNN 經典網路之-ResNet深度學習神經網路CNN
- [譯] 淺析深度學習神經網路的卷積層深度學習神經網路卷積
- 深度學習與神經網路學習筆記一深度學習神經網路筆記
- 深度學習之step by step搭建神經網路深度學習神經網路
- 深度學習之RNN(迴圈神經網路)深度學習RNN神經網路
- 神經網路和深度學習神經網路深度學習
- 【深度學習篇】--神經網路中的卷積神經網路深度學習神經網路卷積
- 深度學習、神經網路最好的入門級教程深度學習神經網路
- NLP與深度學習(二)迴圈神經網路深度學習神經網路
- 初探神經網路與深度學習 —— 感知器神經網路深度學習
- 深度學習經典卷積神經網路之AlexNet深度學習卷積神經網路
- 神經網路與深度學習 課程複習總結神經網路深度學習
- 深度學習三:卷積神經網路深度學習卷積神經網路
- 神經網路和深度學習(1):前言神經網路深度學習
- 卷積神經網路學習資料卷積神經網路
- 深度學習tensorflow實戰筆記(1)全連線神經網路(FCN)訓練自己的資料(從txt檔案中讀取)深度學習筆記神經網路
- 神經網路前向和後向傳播推導(二):全連線層神經網路
- 深度學習與CV教程(4) | 神經網路與反向傳播深度學習神經網路反向傳播
- Python+Matlab+機器學習+深度神經網路全套學習資料!PythonMatlab機器學習神經網路
- 神經網路:提升深度學習模型的表現神經網路深度學習模型
- (五)神經網路入門之構建多層網路神經網路
- 全連線神經網路的原理及Python實現神經網路Python
- 深度學習與圖神經網路學習分享:訊息傳遞模式深度學習神經網路模式
- 深度學習與圖神經網路學習分享:Graph Embedding 圖嵌入深度學習神經網路
- 【深度學習篇】--神經網路中的池化層和CNN架構模型深度學習神經網路CNN架構模型
- Andrew NG 深度學習課程筆記:神經網路、有監督學習與深度學習深度學習筆記神經網路
- 深度學習筆記------卷積神經網路深度學習筆記卷積神經網路