第5章：MNIST数据集简介

《第5章：MNIST数据集简介》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、张明副教授人工智能原理：基于Python语言和TensorFlow第五章：MNIST机器学习MNIST数据集简介MNIST数据下载softmax回归模型简介模型的训练与评估TensorFlow模型基本步骤构建softmax回归模型5.1：MNIST数据集简介1MNIST数据集的概念2MNIST数据集功能3MNIST数据集组成1：MNIST数据集的概念当学习任意一门计算机语言进行编程时，首先接触的第一个程序就是打印“HelloWorld”。大家接触每一种编程语言都会有HelloWorld作为第一个

2、编程任务，在人工智能机器学习领域也不例外。学习人工智能的初学者，通过使用MNIST（MixedNationalInstituteofStandardsandTechnologydatabase）手写数字识别任务的练习，来对人工智能TensorFlow进行最初步的应用。1：MNIST数据集的概念手写数字的MNIST数据集手写数字的MNIST数据集来自于美国国家标准与技术研究所（NIST），它是一个庞大的手写数字数据库，也是网上著名的公开数据集之一。包含了60,000个训练示例图片以及10,000个

3、测试图片，数据集的图片分别代表了阿拉伯数字0～阿拉伯数字9中的任意一个数字，图片只包含灰度值信息，规格尺寸为28×28，所以每一张图片就是拥有784（28×28）列的数据，数字位于整张图片的最中央位置，它是NIST提供的更大集合的一个子集。训练集（trainingset）由来自250个不同人手写的数字构成，其中50%是高中学生，50%来自人口普查局（theCensusBureau）的工作人员。测试集（testset）也是同样比例的手写数字数据。5.1：MNIST数据集简介1MNIST数据集的概念

4、2MNIST数据集功能3MNIST数据集组成2：MNIST数据集功能数据集有两个功能：（1）提供了大量的数据作为训练集和测试集，为一些兴趣爱好者和学习者提供了丰富的资源信息。（2）形成一个业界领域具有一定对比程度的项目，不同的研究者使用了相同的数据集，从而可以更加方便地将结果进行对比，从而验证出哪种设计的程序识别率更高。MNIST是一个简单的计算机视觉数据集。它由图5-1所示的手写数字的图像组成。它还包括每个图像的标签，以便清楚地告诉我们出现的是什么数字。例如，上述图像的标签分别是5、2、5、3

5、，所以，MNIST数据集中的每张数据图片都被事先标注了相应的阿拉伯数字。5.1：MNIST数据集简介1MNIST数据集的概念2MNIST数据集功能3MNIST数据集组成3：MNIST数据集组成将MNIST数据集从官方网站下载完毕，下载下来的数据集图片被分成两部分：包含了60000张图片的训练数据集（mnist.train）包含了10000张图片的测试数据集（mnist.test）其中，训练数据集用来提供给使用者进行模型的训练，以期训练出合适的模型；测试数据集用来提供给使用者对前一个阶段训练出的模

6、型进行性能上的测试，在机器学习模型设计阶段，必须要设置一个单独的测试数据集用来评估模型的性能，这个测试数据集不用于训练。3：MNIST数据集组成MNIST数据单元分为两个部分：一张包含手写数字的图片一个对应的标签我们把图片设为“xs”，把这些标签设为“ys”。训练数据集和测试数据集都含有xs和ys，可以将训练数据集的图片名称设定为mnist.train.images，将训练数据集的标签设定为mnist.train.labels。3：MNIST数据集组成每一张图片包含28像素×28个像素点，可以用

7、一个数字数组来表示这张图片，如图5-2所示。将这个数字数组展开成一个向量，长度是28×28=784。数字间的顺序不重要，只要保持各个图片采用相同的方式展开。图5-23：MNIST数据集组成MNIST数据集的图片就是在784维向量空间里面的点，并且拥有比较复杂的结构。在MNIST训练数据集中，mnist.train.images是一个形状为[60000,784]的张量，第一个维度数字用来索引图片，第二个维度数字用来索引每张图片中的像素点。在此张量里的每一个元素，都表示某张图片里的某个像素的强度值，

8、值介于0和1之间，如图5-3所示：图5-33：MNIST数据集组成MNIST数据集的标签mnist.train.labels是介于0到9的数字，用来描述给定的训练图片里所表示的数字。标签数据用“one-hotvectors”的形式来表示，所谓的"one-hot"是指一位有效编码，即，我们使用n维度的向量来表示n个类别，这其中，每一个类别都会占据相对独立的一个位置，因此，一个one-hot向量即为除了某一特定位置的数字是1以外，其余各维度数字都是0。数字n将表示成一个只有在第n维度（从0开始）数字