tensorflow.examples.tutorials.mnist input_data中数据和标签的结构是什么

Question

我正在尝试学习如何在Tensorflow中正确地引入数据，并且大多数示例代码都使用from import tensorflow.examples.tutorials.mnist import input_data。

当您可以使用它来访问mnist数据时很简单，但在尝试建立等效的结构方法并将非mnist数据引入类似模型时没有用。

通过mnist示例导入的数据的结构是什么，以便我可以使用示例cnn演练代码并操纵我的数据来镜像mnist数据的结构？

Answer 1

从该示例代码中获取的MNIST数据的格式取决于您初始化DataSet类的具体方式。调用DataSet.next_batch(batch_size)会返回两个NumPy数组，分别代表batch_size个图像和标签。它们具有以下格式。

• 如果使用DataSet（默认值）初始化reshape=True，则图片数组为batch_size个784矩阵，其中每行包含一个MNIST图像的像素。默认类型为tf.float32，值为0.0和1.0之间的像素强度。

• 如果使用DataSet初始化reshape=False，则batch_size的{​​{1}} 28 28之后1 - 维张量。 28对应于每个图像的高度和宽度（以像素为单位）; 1对应于图像中的通道数，这些通道是灰度级的，因此只有一个通道。

• 如果使用DataSet（默认值）初始化one_hot=False，则labels数组是长度为batch_size的向量，其中每个值都是标签（整数）从0到9）表示相应图像中的数字。

• 如果使用DataSet初始化one_hot=True，则标签数组为batch_size个10矩阵，其中每一行都为零，除了列中的1，对应于相应图像的标签。

请注意，如果您对卷积网络感兴趣，可能会根据需要初始化DataSet reshape=False，因为这将保留卷积运算符将使用的图像的空间信息。