【问题标题】:Using your own Data in Tensorflow在 TensorFlow 中使用自己的数据
【发布时间】:2017-08-27 10:36:54
【问题描述】:

我已经知道如何使用 mnist 数据集制作神经网络。 3 个月来,我一直在寻找有关如何在您自己的数据集上训练神经网络的教程,但我只是没有得到它。如果有人可以建议任何好的教程或解释所有这些是如何工作的,请提供帮助。 PS。我不会安装 NLTK。似乎很多人都在用文本训练他们的神经网络,但我不会那样做。如果我要安装 NLTK,我只会使用一次。

【问题讨论】:

标签: python tensorflow neural-network dataset


【解决方案1】:

我建议你使用 OpenCV 库。无论您使用 MNIST 数据或 PIL,当它被加载时,它们都只是 NumPy 数组。如果您想让 MNIST 数据集适合您的训练模型,我是这样做的:

1.使用 cv2.imread 加载您希望它们充当训练数据集的所有图像。

2.使用 cv2.cvtColor 将所有图像转换为灰度图像,并将其调整为 28x28。

3.将所有数据集中的每个像素除以255。

4.像往常一样训练!

我没有尝试将其设为您自己的格式,但理论上是一样的。

【讨论】:

  • 我并不是想将图像加载到我的神经网络中。假设我有二进制数的输入矩阵和下一个二进制数的输出矩阵。如何制作在这些矩阵上进行训练的网络? (抱歉我的英语不好。我希望这是可以理解的。)
  • 我很困惑。神经网络只是首先获取您的输入的一组值,而不是针对您的预期输出优化随机值。所以你只是标记它是对还是错,你有标签和输入,你到底是什么意思“我如何制作一个在这些矩阵上训练的网络”?
  • 数据集不必是图像,我说,你有脚本、输入和标签,你有输出。我尝试了一个由 np.random_normal 生成的简单数据集,效果很好,准确率惊人。
猜你喜欢
  • 1970-01-01
  • 2016-03-02
  • 2022-01-25
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
  • 2018-05-03
  • 2017-07-07
  • 1970-01-01
相关资源
最近更新 更多