我玩得很开心，并且从玩MNIST数据集中学到了很多东西，但是我想开始使用我自己的训练数据，我使用theano和keras。但是，我很难概念化如何创建培训数据。
我查看了MNIST的结构，并看到，作为数据，第一部分是图像的分类，其余部分是0-100的单个像素亮度。
我的第一个想法是使用像this或this这样的specotgrams，但我不理解的是如何构建数据以便CNN可以读取它。任何想法或建议？
答案 0 :(得分：1)
我可能无法准确回答这个问题。
我将尝试解释MNIST数据集的格式，我将采用以下示例。
考虑您希望在训练数据中使用四个不同的类别标签对图像进行分类 - ＆gt; 汽车，自行车，公交车和飞机。 所有图像都是彩色图像，每个RGB具有255个像素值。我将发光度/不透明度值排除在此示例的属性之外。所有图像都已标准化，尺寸为28x28（只是任意尺寸）。这给了我们784个像素，并且由于每个像素有3个RGB值，这给了我们784x3 = 2352个属性值。
每个实例的输出（在MNIST数据集中）表示为一个热矢量表示。汽车，自行车，公共汽车和飞机的1个热矢量表示分别为1000,0100,0010和0001。
假设MNIST数据集有1000个训练实例，那么它将采用以下结构。它将包含1000个元组，其中每个元组是输入向量（长度为2352个属性）和输出向量（一个热表示，长度为4个属性）的组合。
这是为了更加清晰。
（[12,51,16,17，.......，12]，[0,0,1,0]）
（[55,125,71,244，.....，10]，[1,0,0,0]）
...
元组中的第一个列表长度为2352，元组中的第二个列表长度为4。每个代表一个训练实例的总共有1000个元组。
如果您愿意，可以查看此code，其中我创建了一个类似于MNIST格式的数据集。