tensorflow学习笔记三：实例数据下载与读取

一、mnist 数据

深度学习的一个介绍性例子一般是mnist手写数字分类和识别，所以我们应该先下载这个数据集。

提供 .py 文件用于下载 mnist 数据。我们可以直接调用它。代码如下：

import tensorflow.examples.tutorials.mnist.input_data
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)

执行完成后，会在当前目录下新建一个文件夹，下载的数据会放在这个文件夹中。下载的四个文件是：

该文件调用确保数据下载成功的函数。此函数还将确定数据是否已下载。如果已下载，则不会再次下载。

下载的数据集分为三个子集：5.5W行训练数据集（mnist.train）、5K行验证数据集（mnist.）和1W行测试数据集（mnist.test）。因为每张图像都是 28×28 的黑白图像，所以每一行都是一个 784 维的向量。

每个子集由两部分组成：图像部分（）和标签部分（），我们可以使用以下代码查看：

print mnist.train.images.shape
print mnist.train.labels.shape
print mnist.validation.images.shape
print mnist.validation.labels.shape
print mnist.test.images.shape
print mnist.test.labels.shape

如果要在编辑器中查看具体的值，可以将这些数据提取为变量进行查看，如：

val_data=mnist.validation.images
val_label=mnist.validation.labels

二、CSV 数据

除了mnist手写字体图片数据，tf还提供了几个csv数据供大家练习，存储路径为：

/home/xxx/anaconda3/lib/python3.5/site-packages/tensorflow/contrib/learn/python/learn/datasets/data/text_train.csv

如果你想读出这些数据，你可以使用代码：

import tensorflow.contrib.learn.python.learn.datasets.base as base
iris_data,iris_label=base.load_iris()
house_data,house_label=base.load_boston()

前者是鸢尾花数据集，后者是波士顿房价数据。

三、数据

tf 提供了下载和读取数据的函数，我们可以直接调用。执行以下代码：

import tensorflow.models.image.cifar10.cifar10 as cifar10
cifar10.maybe_download_and_extract()
images, labels = cifar10.distorted_inputs()
print images
print labels

可以下载和阅读。