在tensorflow中使用我自己的数据进行神经网络实现

Question

我对TensorFlow和Python都很陌生。我有一个数据集，非常类似于MNIST数据集（28 * 28图像）。我一直在关注如何使用tensorflow实现基本神经网络的大量在线教程，发现大多数只是使用：

<div class="container">
  <div class="row game-group-titles">

    <div class="col-md-6">

      <h4>GIOCHI PREFERITI</h4>

      <div class="row">
        <div class="col-md-12 giocogrosso">
          <img src="../lggioco.png" alt="">
        </div>
      </div>

      <div class="row">
        <div class="col-md-6 giocopiccoloo">
          <img src="../giocoo.png" alt="">
        </div>
        <div class="col-md-6 giocopiccolo">
          <img src="../giocoo.png" alt="">
        </div>
      </div>

      <div class="row">
        <div class="col-md-6 giocopiccoloo">
          <img src="../giocoo.png" alt="">
        </div>
        <div class="col-md-6 giocopiccolo">
          <img src="../giocoo.png" alt="">
        </div>
      </div>

    </div>
    <div class="col-md-6">

      <h4>CURRENTLY PLAYING</h4>

      <div class="row">
        <div class="col-md-12 giocogrosso">
          <img src="../lggioco.png" alt="">
        </div>
      </div>

      <div class="row">
        <div class="col-md-6 giocopiccoloo">
          <img src="../giocoo.png" alt="">
        </div>
        <div class="col-md-6 giocopiccolo">
          <img src="../giocoo.png" alt="">
        </div>
      </div>

      <div class="row">
        <div class="col-md-6 giocopiccoloo">
          <img src="../giocoo.png" alt="">
        </div>
        <div class="col-md-6 giocopiccolo">
          <img src="../giocoo.png" alt="">
        </div>
      </div>

    </div>
  </div>
</div>

我有没有办法使用我自己的MNIST数据而不是从tensorflow导入它？此外，我是否仍然可以将mnist.train.next_batch与类似MNIST的数据一起使用？谢谢。

Answer 1

tensorflow教程中使用的MNIST数据集包括4个文件：

• train-images-idx3-ubyte
• train-labels-idx1-ubyte
• t10k-images-idx3-ubyte
• t10k-labels-idx1-ubyte

前两个是培训数据和培训标签;接下来的两个是测试数据和测试标签。像素值/标签作为字节流存储在文件中。如果您的数据集具有上述MNIST数据集的确切格式，那么您肯定可以使用相同的方法。使用extract_image和extract_labels方法定义here来读取图像和标签部分。

实际上，您可以将数据存储为任何其他格式（可能tf.Example TFRecord文件实际上更容易）。看看new API也是如此。