如何使用TensorFlow在Python中预处理时尚MNIST数据？

TensorFlow是由Google提供的机器学习框架。它是一个开源框架，结合Python用于实现算法、深度学习应用等等。它被用于研究和生产目的。

可以使用以下代码行在Windows上安装’tensorflow’包：

pip install tensorflow

Tensor是TensorFlow中使用的数据结构。它有助于在流程图中连接边缘。这个流程图被称为“数据流图”。张量只是多维数组或列表。

“时尚MNIST”数据集包含不同种类的服装图像。它包含属于10个不同类别的70多万件服装的灰度图像。这些图像的分辨率很低（28 x 28像素）。我们使用Google Colaboratory来运行以下代码。Google

Colab或Colaboratory可以在浏览器上运行Python代码，需要零配置并免费访问GPU（图形处理单元）。Colaboratory是在Jupyter Notebook之上构建的。

以下是代码段−

更多Python相关文章，请阅读：Python 教程

例子

plt.figure()
plt.imshow(train_images[0])
plt.colorbar()
plt.grid(False)
plt.show()

train_images = train_images / 255.0

test_images = test_images / 255.0

plt.figure(figsize=(12,12))
for i in range(15):
    plt.subplot(5,5,i+1)
    plt.xticks([])
    plt.yticks([])
    plt.grid(False)
    plt.imshow(train_images[i], cmap=plt.cm.binary)
    plt.xlabel(class_names[train_labels[i]])
plt.show()

代码来源 − https://www.tensorflow.org/tutorials/keras/classification

输出

解释

• 在训练网络之前，需要处理输入数据集。

• 一旦在控制台上检查并显示图像，便可以确定像素值在0到255之间。

• 这些像素值首先被缩放为在0到1之间。

• 为了实现这一点，每个像素值都被255除以。

• 培训数据集和测试数据集必须以相同的方式进行预处理。

• 这确保在培训和评估期间提供了类似类型的数据。

• 为了确保数据格式正确，将前几个图像和每个图像所属的类名称一起显示在控制台上。