MNIST数据集的学习笔记一

 源码出处：https://www.cnblogs.com/yinzm/p/7110870.html，由于源码注释过多，没有一定的理解，自己做了一下小白笔记（[email protected]邮箱，如博文有错，恳请联系，谢谢！）。

# -*- coding: utf-8 -*-
# 由于书上使用的TensorFlow版本比较旧，所以有些代码有所改动，
# 本人使用的TensorFlow版本为1.2.0

import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data

 MNIST数据集可在官网获取，解压后如下：

(1).6w张28*28像素点的0-9的手写数字图片  训练用。可将其图片像素信息保存为一个784（28*28）长度的一位数组，用于储存信息。打开一张MNIST数据集的信息，会发现黑色背景为0，储存在一维数组中，占大多数。字体白色为1，0到1为较两者中间色度区域。

(2).6w张图片对应的label，这些以一位数组储存。如【0，0，0，0，1，0，0，0，0，0】表示从0~9的概率分别为0，0，0，0，1······，当然就是指这个标签在为4的概率为100%。对应图片手写数字为4.

(3)(4),同样格式，1W张手写数字image 和 label 用于test。

用代码下载的数据集保存在项目文件夹下的./data文件夹中，在主程序中，也必有一行代码用于获取MNIST数据集，如下。input_data模块已经从上面from了，其方法read_data_sets（）第一个参数规定了MNIST数据集储存的位置，类似在D:\pycharmProjects\data中，第二个参数告知以one_hot(独热编码)方式读取。当程序运行时检测到该路径没有MNIST数据集，会自动到官网下载，并划分为TRAIN 、VALIDATION和TEST两个子集。

mnist = input_data.read_data_sets("./data", one_hot=True)

#主程序
def main(argv=None):
    # 声明处理MNIST数据集的类，这个类在初始化时会自动下载数据。
    mnist = input_data.read_data_sets("./data", one_hot=True)
    train(mnist)
    print("now trian has loaded")
    print("train data size :",mnist.train.num_examples)
    print("validation data size :", mnist.validation.num_examples)
    print("test data size :", mnist.test.num_examples)
# TensorFlow提供的一个主程序入口，tf.app.run会调用上面定义的main函数
if __name__ == "__main__":
    tf.app.run()

 运行结果：

此时打印出训练子集、验证子集、测试子集样本数分别为55000、5000、10000。

打开数据内部，可以看到labels[0]的3概率为100%，故对应图片的数字应该为3。

 

 打开images[0],可以看到第一张图片的二维数组是这样的。

 当然，如果电脑显卡不行，可以减少程序的运行量，如下。使用BATCH定义了一个数字，使用next_batch(）方法取出BATCH大小的数据的图片和标签，很明显xs为图片数据，ys为对应的标签数据。

BATCH_SIZE = 200
xs, ys = mnist.train.next_batch(BATCH_SIZE)
print("xs shape : ", xs.shape)   <<< xs shape : 200 784 
print("ys shape : ", ys.shape)   <<< ys shape : 200 10