代码之家 › 专栏 › 技术社区 › tanmayghosh2507

利用UCI数据集处理Tensorflow数据

mnist neural-network machine-learning tensorflow python

tanmayghosh2507 · 技术社区 · 7 年前

我正在尝试使用Tensorflow识别UCI数据集的手写数字( https://archive.ics.uci.edu/ml/datasets/Optical+Recognition+of+Handwritten+Digits ). 其中每一行是图像像素的平坦8*8矩阵,最后一个属性是类代码0-9。然而,我遵循的教程是关于MNIST数据的,这是非常不同的。它有一个28*28的矩阵,值为0-255。所以,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非常陌生,我无法为UCI数据准备神经网络模型。我只是想知道如何继续下去。我有两个主要问题。

这是导入数据的正确方法吗?
如何将“y”标签作为最后一个属性?

目前我正在考虑这样做:

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' 使用输出标签来培训 NN model .

1 回复 | 直到 7 年前

Lebannen 6 年前

我也是新来的,也许这不是一个好方法。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]

推荐文章

albert · AttributeError:“str”对象没有属性“str”如何解决此问题

2 年前

Anshuman Sinha · 将tensforflow中的所有nan值转换为零

2 年前

CoccoSyn · Keras TypeError:其中一个输入没有可接受的类型。具有参差不齐张量的LSTM

2 年前

rob me of my freedom · 在不使用Y_pred和Y_actual的tensorflow中编写自定义损失

2 年前

Chris · 如何捕获导入脚本功能的打印

3 年前

Jay Bhie Santos · 剩余GRU:ValueError:输入具有不兼容的形状。收到的形状(5)和(24)

3 年前

Danijel · C中TensorFlow模型文件的路径?

3 年前

Joseph · 重塑BatchDataset训练模型的输入-Tensorflow

3 年前

Arya Anish · tensorflow安装中面临的问题

3 年前

so beautiful memory · 如何将我在本地训练的tensorflow模型正确部署到谷歌云人工智能平台?我部署了它,但没有图像返回

3 年前