深度学习 神经网络 神经元 单层神经网络的实现
21 浏览量
2020-12-21
04:59:11
上传
评论
收藏 110KB PDF 举报
深度学习深度学习 神经网络神经网络 神经元神经元 单层神经网络的实现单层神经网络的实现
使用 tensorflow1.14, 数据集 cifar10
代码初始化数据集一览数据预处理构建模型图神经元单层神经网络注意点other
代码代码
初始化初始化
import tensorflow as tf
import pickle as pk
import numpy as np
import os
CIFAR_DIR = './cifar-10-batches-py'
数据集一览数据集一览
data_batch_1 ~ 5 为训练数据集, test_batch 为测试集
os.listdir(CIFAR_DIR)
运行结果
['batches.meta',
'data_batch_1',
'data_batch_2',
'data_batch_3',
'data_batch_4',
'data_batch_5',
'readme.html',
'test_batch']
看看图片的shape, 标签等东西
with open(os.path.join(CIFAR_DIR, "data_batch_1"), "rb") as f:
data = pk.load(f, encoding='bytes') # load 默认使用ascii解码, 这里要用二进制来
print(type(data)) #
print(data.keys()) # dict_keys([b'batch_label', b'labels', b'data', b'filenames'])
print(type(data[b'batch_label'])) #
print(type(data[b'labels'])) #
print(type(data[b'data'])) #
print(type(data[b'filenames'])) #
print("----------------------")
print(data[b'batch_label']) # b'training batch 1 of 5'
print(data[b'labels'][0:2]) # [6, 9] print(data[b'data'].shape) # 10000张图片, 32*32*3图片
print(data[b'data'][0:2])
print(data[b'filenames'][0:2]) # [b'leptodactylus_pentadactylus_s_000004.png', b'camion_s_000148.png']
运行结果
dict_keys([b'batch_label', b'labels', b'data', b'filenames'])
----------------------
b'training batch 1 of 5'
[6, 9] (10000, 3072)
[[ 59 43 50 ... 140 84 72] [154 126 105 ... 139 142 144]] [b'leptodactylus_pentadactylus_s_000004.png',
b'camion_s_000148.png']
打开一张图片看看, 像素有点低…
img_arr = data[b'data'][6666] img_arr = img_arr.reshape((3, 32, 32)) # 一张图片3072个像素, 前32*32是R层, 然后依次是G, B层, 所以得先分三层, 再分成
32*32
img_arr = img_arr.transpose((1, 2, 0)) # 调换位置成 32 32 3 的格式, 转成这样后一个32*3就能代表一行的像素, 32行就是一张图片
import matplotlib.pyplot as plt
from matplotlib.pyplot import imshow
%matplotlib inline
plt.imshow(img_arr)
资源评论
