Question

我正在尝试使用Tensorflow识别UCI数据集（https://archive.ics.uci.edu/ml/datasets/Optical+Recognition+of+Handwritten+Digits）的手写数字。其中每一行是图像像素的扁平8 * 8矩阵，最后一个属性是类代码0-9。然而，我所遵循的教程是关于MNIST数据的，这是完全不同的。它有一个28 * 28矩阵，值为0-255。所以，它是这样的：

from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("/tmp/data", one_hot=True)
x = tf.placeholder('float', [None, 784])
y = tf.placeholder('float')

由于我对Tensorflow很新，我无法为UCI数据准备神经网络模型。我只想知道如何进行的方向。我有两个主要问题。

这是导入数据的正确方法吗？
如何获得＆＃39; y＆＃39;标签作为最后一个属性？

目前我正在考虑做这样的事情：

filename_queue = tf.train.string_input_producer(["optdigits.tra"])
reader = tf.TextLineReader()
_, serialized_example = reader.read(filename_queue)
image,label = decode(serialized_example)
x = tf.placeholder('float', [None, 64])
y = tf.placeholder('float')

基本上，我想准备一个包含64个节点和'y'标签的输入图层，其输出用于训练NN model。

Answer 1

我也是新人，可能这不是一个好方法。我使用numpy导入数据，然后将其转换为tensorflow格式。

import tensorflow as tf
import numpy as np

trainingDataSet_ = np.loadtxt('/data/optdigits.tra', delimiter=',');
trainingDataSet = tf.convert_to_tensor(trainingDataSet_, np.int32)

# store labels of each sample
y = trainingDataSet[:, 64]

# remove lables from features
x = trainingDataSet[:, :64]

使用UCI数据集进行Tensorflow数据处理

1 个答案: