tensorflow——[keras]内置数据集

tensorflow——[keras]内置数据集

import tensorflow as tf
注：本文使用2.1.0版本说明print(tf.__version__) # 2.1.0
记住两个重要函数dir(),help()即可逐步向下找到使用方法

# 快速使用小窗口
# 导入数据集
import tensorflow as tf
tf.keras.datasets.数据集
'''
数据集 有：
'boston_housing', 'cifar10', 'cifar100', 'fashion_mnist', 'imdb', 'mnist', 'reuters']
'''

1. 数据集的位置

keras内置的数据集可直接导入，联网会自动下载，数据集位置在tf.keras.datasets

2. 数据集信息

ds = tf.keras.datasets
print(dir(ds))
'''输出
['__builtins__', '__cached__', '__doc__', '__file__', '__loader__', '__name__', '__package__', '__path__', '__spec__', '_sys', 
'boston_housing', 'cifar10', 'cifar100', 'fashion_mnist', 'imdb', 'mnist', 'reuters']
'''

可见数据集有以下几种：

boston_housing：Boston housing price regression dataset.
cifar10：CIFAR10 small images classification dataset.
cifar100：CIFAR100 small images classification dataset.
fashion_mnist：Fashion-MNIST dataset.
imdb：IMDB sentiment classification dataset
mnist：MNIST handwritten digits dataset.
reuters：Reuters topic classification dataset.

3. 数据集的导入

直接获取即可，如mnist数据集
minst = tf.keras.datasets.mnist
其他都是这样获取，执行后会从https://storage.googleapis.com/tensorflow/tf-keras-datasets/下载，可能会失败，重复几次一般可下载下来。

4.数据的导入

同样使用dir()函数可以看到数据集自带的函数，如print(dir(mnist))

['__builtins__', '__cached__', '__doc__', '__file__', '__loader__', '__name__', '__package__', '__path__', '__spec__', '_sys', 'load_data']

该数据集中有一个函数可用，load_data
print(help(minst.load_data))
输出为：

Help on function load_data in module tensorflow.python.keras.datasets.mnist:

load_data(path='mnist.npz')
    Loads the MNIST dataset.
    
    Arguments:
        path: path where to cache the dataset locally
            (relative to ~/.keras/datasets).
    
    Returns:
        Tuple of Numpy arrays: `(x_train, y_train), (x_test, y_test)`.
    
    License:
        Yann LeCun and Corinna Cortes hold the copyright of MNIST dataset,
        which is a derivative work from original NIST datasets.
        MNIST dataset is made available under the terms of the
        [Creative Commons Attribution-Share Alike 3.0 license.](
        https://creativecommons.org/licenses/by-sa/3.0/)

None

根据说明则数据可以这样导出：
(x_train, y_train), (x_test, y_test) = minst.load_data()

还可以进一步看数据形状，以便后续处理

print("x_train shape",x_train.shape)
print("y_train shape",y_train.shape)
print("x_test shape",x_test.shape)
print("y_test shape",y_test.shape)
'''输出
x_train shape (60000, 28, 28)
y_train shape (60000,)
x_test shape (10000, 28, 28)
y_test shape (10000,)
'''

导航：tensorflow——平地起高楼