文章目录
博文配套视频课程:24小时实现从零到AI人工智能
加载远程或者本地图片集
影响机器学习与深度学习正确率除了前面所说的特征工程之外,最重要的就是高质量的训练数据了,深度学习的样本图必须要保证所有的图片尺寸相同,且已经给图片进行了分类,这其实需要很大的工作量,好在TensorFlow框架中提供了各种训练集图片给我们使用。
from tensorflow.examples.tutorials.mnist import input_data
import tensorflow as tf
# 通过函数下载或者加载本地的图片资源,建议设置one_hot=True
mnist = input_data.read_data_sets("../data/input_data",one_hot=True)
# 打印加载的图片信息, 正常会有55000个训练样本
print(mnist.train.images) # (55000, 784)
print(mnist.train.labels) # (55000,10)
显示第10张样本图片
import matplotlib.pyplot as plt
# 784 = 28 * 28 样本图尺寸是 28 * 28,如果要显示图片还原即可
plt.imshow(mnist.train.images[10].reshape(28,28))
plt.show()
# 预测值也需要输出10值的百分比
print(mnist.train.labels[10])