warning描述
WARNING:tensorflow:From /home/xiaoshumiao/PycharmProjects/tensorflow/main/classification.py:23: read_data_sets (from tensorflow.contrib.learn.python.learn.datasets.mnist) is deprecated and will be removed in a future version.
Instructions for updating:
Please use alternatives such as official/mnist/dataset.py from tensorflow/models.
对应代码
导入数据集
mnist = input_data.read_data_sets('../MNIST_data',one_hot=True)
生成训练集
# batch_xs,batch_ys = mnist.train.next_batch(100)
得到的数据是100*784格式
生成测试集
mnist.test.images
mnist.test.labels
新的导入方式
使用新的导入数据方式，通过keras导入
(train_x_image, train_y), (test_x_image, test_y) = keras.datasets.mnist.load_data(path='/home/xiaoshumiao/.keras/datasets/mnist.npz')
这里我之前下载过，所以直接调用下载的文件就可以，如果没有下载不用指定，就会下载到~/.kreas中。第二次就可以制定path了。
train：图片–>一维向量&数据标准化
但是通过keras导入的训练数据也就是mnist数据集是图片的形式，并不是之前训练网络用的一维784的向量。当然后面会改进，请关注我的博客，后续更新。
下面的代码就是把二维图片2828变成1784的方法，两种都可以：
train_x = train_x_image.reshape(train_x_image.shape[0], -1) / 255.
x_train=train_x_image.reshape(60000,784).astype('float32')/255.
此处对于数据还进行了标准化，因为标准化可以提高准确率。
label：数字标号–>onehot编码
而对于y标签，通过kreas导入的数据也不是onehot形式，而是对应的类的标号，比如“1”。因此需要将其转变为onthot编码。
train_y = keras.utils.to_categorical(train_y, num_classes=10)
此处的num_classes=10可以不加。
扫描二维码关注公众号，回复：
10045945 查看本文章
