學習《Tensorflow入門教程》記錄 

一、載入資料集

import numpy as np
import tensorflow as tf
import matplotlib.pyplot as plt
from tensorflow.examples.tutorials.mnist import input_data

mnist = input_data.read_data_sets('data/', one_hot=True)
print
print (" 型別是 %s" % (type(mnist)))
print (" 訓練資料有 %d" % (mnist.train.num_examples))
print (" 測試資料有 %d" % (mnist.test.num_examples))
 

執行結果：
型別是 <class 'tensorflow.contrib.learn.python.learn.datasets.base.Datasets'>
 訓練資料有 55000
 測試資料有 10000
注意：如果Mnist載入失敗，可以自行下載資料集，放在當前路徑的data資料夾下。

二、資料集的規格

trainimg   = mnist.train.images
trainlabel = mnist.train.labels
testimg    = mnist.test.images
testlabel  = mnist.test.labels
# 28 * 28 * 1
print (" 資料型別 is %s"    % (type(trainimg)))
print (" 標籤型別 %s"  % (type(trainlabel)))
print (" 訓練集的shape %s"   % (trainimg.shape,))
print (" 訓練集的標籤的shape %s" % (trainlabel.shape,))
print (" 測試集的shape' is %s"    % (testimg.shape,))
print (" 測試集的標籤的shape %s"  % (testlabel.shape,))
 

執行結果：
 資料型別 is <class 'numpy.ndarray'>
 標籤型別 <class 'numpy.ndarray'>
 訓練集的shape (55000, 784)
 訓練集的標籤的shape (55000, 10)
 測試集的shape' is (10000, 784)
 測試集的標籤的shape (10000, 10)

三、資料集的形式

nsample = 2
randidx = np.random.randint(trainimg.shape[0], size=nsample)  #隨機選行

for i in randidx:
    curr_img   = np.reshape(trainimg[i, :], (28, 28)) # 28 by 28 matrix
    curr_label = np.argmax(trainlabel[i, :] ) # Label
    plt.matshow(curr_img, cmap=plt.get_cmap('gray'))
    print ("" + str(i) + "th 訓練資料 "
           + "0標籤是 " + str(curr_label))
    plt.show()
 

結果是：
48118th 訓練資料 標籤是 0
8268th 訓練資料 標籤是 0