如何从MNIST数据集中选择每个类的特定数量
从MNIST数据集中选择每个类的特定数量可以通过以下步骤实现：
- 加载MNIST数据集：MNIST数据集是一个包含手写数字图像的经典数据集，可以通过各种机器学习框架或库进行加载。例如，使用Python的TensorFlow库可以使用以下代码加载MNIST数据集：
from tensorflow.keras.datasets import mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()- 分类数据集：MNIST数据集包含10个不同的类别，分别代表数字0到9。首先，需要将数据集中的样本按照类别进行分类。可以使用循环遍历数据集，并根据标签将每个样本分配到相应的类别列表中。例如，使用Python可以按照以下方式分类数据集：
num_classes = 10
class_samples = [100, 200, 150, 120, 180, 90, 80, 60, 100, 150] # 每个类别需要选择的样本数量
class_data = [[] for _ in range(num_classes)] # 创建一个空列表用于存储每个类别的样本
for i in range(len(x_train)):
label = y_train[i]
if len(class_data[label]) < class_samples[label]:
class_data[label].append(x_train[i])在上述代码中，class_samples列表指定了每个类别需要选择的样本数量。class_data列表用于存储每个类别的样本。
- 可选：数据平衡处理：如果每个类别的样本数量不平衡，可以选择进行数据平衡处理。例如，可以通过随机选择或过采样等方法平衡每个类别的样本数量。
- 可选：数据预处理：根据具体需求，可以对选择的样本进行预处理。例如，可以进行图像增强、归一化、降噪等操作。
- 可选：数据集划分：根据具体需求，可以将选择的样本划分为训练集、验证集和测试集。例如，可以按照80%的比例划分为训练集，10%的比例划分为验证集，10%的比例划分为测试集。
完成上述步骤后，你将得到一个包含每个类别特定数量样本的数据集。这个数据集可以用于训练、验证或测试机器学习模型。
腾讯云相关产品和产品介绍链接地址：
- 腾讯云机器学习平台（https://cloud.tencent.com/product/tensorflow）
- 腾讯云人工智能（https://cloud.tencent.com/product/ai）
- 腾讯云数据处理（https://cloud.tencent.com/product/dps）
- 腾讯云云服务器（https://cloud.tencent.com/product/cvm）
- 腾讯云数据库（https://cloud.tencent.com/product/cdb）
- 腾讯云对象存储（https://cloud.tencent.com/product/cos）
- 腾讯云区块链（https://cloud.tencent.com/product/baas）
- 腾讯云音视频处理（https://cloud.tencent.com/product/mps）
- 腾讯云物联网平台（https://cloud.tencent.com/product/iot）
- 腾讯云移动开发（https://cloud.tencent.com/product/mobdev）
相关·内容
1回答
我开发了一个神经网络，它可以根据mnist数据集对手写数字进行分类。我还制作了一个GUI，用户可以在其中绘制数字，然后显示预测的数字。我想知道是否有一种方法可以结合用户的反馈，所以如果模型是错误的，用户可以告诉它他画的是哪个数字，下一次模型将正确猜测。
浏览 28提问于2020-08-27得票数 1
回答已采纳
我正在使用TensorFlow通过胶囊网络训练我自己的数据集。在训练mnist数据集时，它包含函数mnist.train.next_batch(批量大小)。如何用TensorFlow替换这个函数来训练自己的数据集？
浏览 55提问于2019-01-02得票数 0
2回答
如何为target_transform提供一个将标签更改为 the 编码的函数？
例如，火炬视觉中的MNIST数据集：
train_dataset = torchvision.datasets.MNIST(root='./mnist_data/',
train=True,
download=True,
transform=
浏览 0提问于2020-08-10得票数 1
1回答
我玩了MNIST数据集，从中学到了很多东西，但我想扩展到使用我自己的训练数据，我正在使用theano和keras。然而，我在构思如何创建培训数据时遇到了非常困难的一段时间。
我查看了MNIST的结构，发现作为数据，它的第一部分是图像的分类，其余的是从0到100的单个像素亮度。
我的第一个想法是使用像或这样的平面图，但我不理解的是如何构造这些数据，以便让CNN阅读它。有什么想法或建议吗？
浏览 2提问于2016-06-21得票数 2
回答已采纳
1回答
我需要修复ML的不平衡数据集。我有3个数据集，numpy数组，其形状如下所示：
MNIST pixel values: (45000, 28, 28, 1)
MFCC audio values: (45000, 93, 13)
Matching labels(45000, 1)
当MNIST和MFCC值引用相同的数字(0-9)时，匹配的标签数据集包含一个true。因为匹配的标签数据集中只有大约4500个True值，所以我想找到一种平衡这个数据集的方法。
我们已经尝试过使用自定义的丢失函数，但是没有正常工作。我们愿意接受建议，并且希望使用numpy来改变数据集本身。
浏览 2提问于2019-06-04得票数 0
我想一次在一个MNIST课程上训练我的模型。
我可以使用通用加载程序加载数据：
import torch
import torch.nn as nn
import torch.optim as optim
import torchvision.datasets as datasets
import torchvision.transforms as transforms
from torch.autograd import Variable
trans = transforms.Compose([transforms.ToTensor(), transforms.Normalize((0.
浏览 1提问于2022-01-13得票数 0
回答已采纳
2回答
有人能解释一下，如何用MLBP神经网络对像MNIST这样的数据进行分类，如果我做了多个输出(例如8)，我的意思是，如果我只使用一个输出，我可以很容易地对数据进行分类，但是如果我使用多个输出，我应该选择哪个输出？
浏览 0提问于2014-05-22得票数 8
回答已采纳
1回答
整形不需要显示mnist图像？
、、、、
如果我想显示mnist数据集中的一幅图像，需要使用以下代码将其从(1,28,28)重新塑造为(28,28)：
import tensorflow as tf
import matplotlib.pyplot as plt
mnist = tf.keras.datasets.mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0
sample = x_train[:1].reshape((28,28))
plt.imsho
浏览 8提问于2022-11-15得票数 0
回答已采纳
1回答
我目前正在运行一个程序，在木星笔记本分类MNIST数据集。我正在尝试使用KNN分类器来完成这个任务，运行时间超过了一个小时。我是新的分类器和超参数，似乎没有任何体面的教程，如何正确地实现其中之一。有人能给我一些关于如何在这个分类中使用超参数的建议吗？我搜索过GridSearchCv和RandomizedSearchCV。从他们的示例来看，他们似乎选择了不同的属性名，并更改为他们的代码所必需的属性名。如果数据只是手写的数字，我不明白如何才能为MNIST数据集做到这一点。既然只有数字，在这种情况下就不需要超参数了吗？这是我目前仍在运行的代码。谢谢你能提供的任何帮助。
# To support bo
浏览 1提问于2019-02-10得票数 0
回答已采纳
我有一个大型的图像数据库，这些图像只被部分标记为多个、非排他性特征或它们上的对象。例如，水下场景中可能有标签water、swimsuit和fish。
问题是它只有部分标记，这意味着标签cat不存在并不意味着图像上没有猫。
训练CNN能够告诉数据集上丢失的标签的最佳策略是什么？
图像库上有23万张图像，但是考虑到多个标签是可能的，很难分辨出完全标记的图像的比例。我能够编写python代码，并设法使用keras在gpu上的mnist数据集上进行培训。
浏览 0提问于2018-01-29得票数 3
回答已采纳
我正在尝试寻找一种替代内置实现的方法，比如mnist.train.next_batch(BATCH_SIZE)
在尝试实现一个返回一批数据的函数时，我发现了pd.sample(n)，它似乎做得很好。
但我想知道在使用pd.sample()进行机器学习时是否有任何注意事项？
干杯。
浏览 66提问于2018-06-07得票数 0
我正在尝试将LogisticRegression模型从sklearn应用到MNIST数据集，并且我已经将培训-测试数据分成了70-30个部分。
然而，当我简单地说model.fit(train_x, train_y)时，需要很长的时间。
我在启动逻辑回归时没有添加任何参数。
代码：
import seaborn as sns
import matplotlib
import matplotlib.pyplot as plt
from sklearn.datasets import fetch_mldata
from sklearn.linear_model import Logistic
浏览 1提问于2019-04-26得票数 1
3回答
基于CNN的数字识别
、、、、
我正在卷积神经网络上测试打印的数字(0-9)。它在MNIST数据集上提供了99+ %的准确率，但当我尝试使用安装在计算机上的字体(Ariel，Calibri，Cambria，Cambria Mathematic，Times New Roman)并训练由字体生成的图像(每种字体104张图像(总共25种字体-每种字体4张图像(差别很小))时，训练错误率不低于80%，即20%的准确率。为什么？
这是"2“个图片样本-
我调整了每个图像的大小为28 x 28。
以下是更多细节：
训练数据大小= 28 x 28图像。网络参数-作为网络的LeNet5架构-
Input Layer -28
浏览 3提问于2016-07-15得票数 7
1回答
我正在关注一个关于TensorFlow生成对抗网络的教程。本教程使用MNIST数据集来训练模型。我希望减小输入的大小，以便我的程序运行得更快，但是不知道如何获得我正在使用的MNIST数据集的子集。下面是我用来提取数据集的代码：
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("MNIST_data/")
浏览 10提问于2017-06-19得票数 0
1回答
我想看看用于机器学习的MNIST数据集。在Tensorflow中，MNIST数据集可以用
mnist = input_data.read_data_sets("/tmp/data/", one_hot=True)
full_data_x = mnist.train.images
然而，当我试图可视化一个80x80数组的数据时，我会使用
test_x, test_y = mnist.test.images, mnist.test.labels
plt.gray()
plt.imshow(1-test_x[80:160,80:160])
看起来真的很奇怪：
我如何提取实际
浏览 2提问于2018-10-23得票数 0
回答已采纳
我正在研究一个分类问题，我发现我的数据有很多异常值，这降低了我的识别率。我试过重新标度，标准化技术，如最小最大，盒考克斯，甚至日志转换。我正在考虑从方框图中删除异常值，但我担心我可能会删除定义模型所需的有用特性/数据。
有没有人建议如何处理这类案件。对数据的进一步分析表明，我的数据构成的特性属于不同的过程，如web应用程序、应用程序。我根据过程将数据分离出来，我确实看到了过程的巨大差异导致了不同的精度从60-95%不等。
关于如何处理这类案件，有什么建议吗？最后，我希望我的分类器可以进行分类，而不管过程类型如何。因此，就我目前的问题而言，这是否意味着我定义的功能不够好，或者我还能做些什么呢？
浏览 0提问于2017-05-07得票数 1
1回答
在CNN MNIST的tensorflow示例中，我不理解批处理大小是如何工作的，当他们调用模型时，他们将bach的大小指定为100：
train_input_fn = tf.estimator.inputs.numpy_input_fn(
x={"x": train_data},
y=train_labels,
batch_size=100,
num_epochs=None,shuffle=True)
mnist_classifier.train(input_fn=train_input_fn,steps=20000,hooks=[logging_hook])
但是当模型被调
浏览 0提问于2018-06-20得票数 0
1回答
我的理解是，要在成果管理制中生成新的数据，我需要传递真实的数据。有没有办法在没有真实数据的情况下获得生成的数据？比如VAE和GAN如何从先验分布中提取潜在变量来生成数据。
如果是这样的话，在MNIST这样的标记数据集的情况下，如何从特定的类生成数据？我是否需要为每一个数字训练10种不同的成果管理模式？
浏览 7提问于2021-03-03得票数 1
回答已采纳
1回答
在过去的几天里，我和TensorFlow度过了一段非常奇怪的时光，我想不出到底出了什么问题。
我已经建立了这个网络：。它是TensorFlow的MNIST示例的副本。
基本上，我所做的就是将网络从28x28x1图像(MNIST灰度)转变为600x800x1图像(有些图像是我自己拍摄的，背景相对干净，在不同位置有一个物体)。
我想做的就是和这样的CNN一起玩，让它输出图像中物体的x位置。所以只有一个输出神经元。
然而，不管我尝试了什么，网络总是输出1.0。甚至(当您在代码末尾查看我的测试部分时)，当我将所有1、所有零或所有随机数输入网络时。
当然，由于我只有21个标记的训练和7个标记的测试图片，
浏览 2提问于2016-01-19得票数 5
回答已采纳
我正在分析。当我从tensorflow.examples.tutorials.mnist中使用tensorflow.examples.tutorials.mnist时，如中所示
self.x_train = input_data.read_data_sets("mnist",\
one_hot=True).train.images
我取得了相当好的结果：
不过，当我使用来自mnist的keras.datasets和144行时，如下所示：
(xtr, ytr), (xte, yte) = mnist.load_data();
self.x_train =
浏览 0提问于2018-12-31得票数 1
回答已采纳
我尝试使用patternnet命令建立一个基本的前馈系统，它可以识别MNIST数据集中的数据。这是我的密码
one = [1];
one = repelem(one,100);
%%%%%%%%%%%%%%%Create Neural network%%%%%%%%%%%%%%%%%%%%%
nn = patternnet([100 100]);
nn.numInputs = 1;
nn.inputs{1}.size = 784;
nn.layers{1}.transferFcn = 'logsig';
nn.layers{2}.transferFcn = 'logsi
浏览 0提问于2018-05-17得票数 0
回答已采纳
我正在学习Tensorflow，并希望使用next_batch作为时尚-MNIST数据集。但我遇到了一个问题，因为Fashion-MNIST的数据集的格式与MNIST数据的格式不同。
对于常规的MNIST，我们可以使用以下代码导入数据：
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data as ip
mnist = ip.read_data_sets("MNIST_data/", one_hot=True)
但是Tensorflow的教程(网址：)，像这样导入时尚
浏览 0提问于2019-03-04得票数 0
2回答
我正在使用PyTorch基于MINST数据集创建一个二进制分类器。我希望我的分类器只在0和1之间分类，然而，当我训练它时，错误并没有减少，损失变成了负值。以下是前几次迭代中的错误和损失：
我显然是在期待更好的结果。
下面是我使用的代码：
# Loading the MNISR data reduced to the 0/1 examples
from torchvision import datasets, transforms
from torch.utils.data import DataLoader
mnist_train = datasets.MNIST(".
浏览 37提问于2020-08-02得票数 0
我是从读一本书开始学习TensorFlow的，这本书是从对MNIST数字进行分类开始的。
MINIBATCH_SIZE = 50
STEPS = 5000
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
for i in range(STEPS):
batch = mnist.train.next_batch(MINIBATCH_SIZE)
if i % 100 == 0:
train_accuracy = sess.run(accuracy, feed_dic
浏览 2提问于2018-04-15得票数 0
我试图在两个不同的数据集中运行一个机器学习算法。但是，y值的格式在数据集之间是不同的。
from keras.datasets import mnist, cifar10
(x_train, y_train), (x_test, y_test) = mnist.load_data()
print([y_train[i] for i in range(10)])
'''
[5, 0, 4, 1, 9, 2, 1, 3, 1, 4]
'''
(x_train, y_train), (x_test, y_test) = cifar10.load_dat
浏览 0提问于2019-07-31得票数 0
回答已采纳
我正在学习使用TensorFlow创建一个学习模型。
我已经成功运行了MNIST教程，现在想用自己的图片测试模型。它们是相同大小的图像(224x224)，并分类为文件夹。
现在，我想使用这些图像作为我的模型的输入，如MNIST示例中所示。我试图打开MNIST数据集，但它是不可读的。我想它已经被转换成一些二进制类型了。通过这个例子，我认为MNIST数据集有这样一个结构：
马恩斯特
测试
图片
标签
火车
图片
浏览 8提问于2016-07-11得票数 1
回答已采纳
2回答
我正在研究O‘’Reilly的手工机器学习与Scikit学习& Tensorflow。
我正在MNIST数据集上训练一个分类器，我得到了错误
ValueError: The number of classes has to be greater than one; got 1 class
这是我的密码
mnist = fetch_openml('mnist_784', version=1, cache=True)
X, y = mnist["data"], mnist["target"]
X_train, X_test, y_trai
浏览 1提问于2019-01-16得票数 1
回答已采纳
我使用tensorflow.examples.tutorials.mnist训练有5个隐藏层的nn。
这就是我训练神经网络的方法：
with tf.Session() as sess:
init.run()
for epoch in range(n_epochs):
for iteration in range(len(mnist.test.labels)//batch_size):
X_batch, y_batch = mnist.train.next_batch(batch_size)
sess.run(training_op, feed_dict=
浏览 5提问于2017-06-13得票数 3
回答已采纳
我正在试用TensorFlow教程，但不明白这行中的next_batch是从哪里来的？
batch_xs, batch_ys = mnist.train.next_batch(100)
我看了看
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)
也没看到next_batch在那儿。
现在，当在我自己的代码中尝试next_batch时，我得到了
AttributeError: '
浏览 0提问于2016-11-02得票数 14
回答已采纳
1回答
我正在努力研究如何从我的神经网络中计算准确性。我正在使用带有反向传播算法的MNIST数据库。一切都是从头开始做的。 我的部分代码如下所示： for x in range(1, epochs+1):
#Compute Feedforward
#...
activationValueOfSoftmax = softmax(Z2)
#Loss
#Y are my labels
loss = - np.sum((Y * np.log(activationValueOfSoftmax)), axis=0, keepdims=True)
cost = np.s
浏览 23提问于2020-01-22得票数 0
回答已采纳
2回答
我试图建立一个模型，以分类MNIST数据集使用SVM。对于原始特性，我获得了大约94%的准确性(使用线性内核)。
当我尝试与PCA，不同数量的成分(35,50,250,500)，我获得了大约11%的准确性。
这可能是什么原因？
浏览 0提问于2015-11-06得票数 1
条件GANs (cGAN)被设计为生成条件数据，例如，我只对通过在类标签上应用条件从MNIST数据集生成数字'9‘图像感兴趣)。或者，如果我在数据集上训练简单的GANs，只包含数字9的图像(假设我有足够数量的示例)，也会学习数字9图像的相同分布。因此，经过训练的生成器将生成数字9图像。
如果是，那么为什么我们需要有条件的GAN？
浏览 2提问于2020-06-24得票数 0
1回答
最近平均分类器的距离计算
、、、、
Greetins 如何计算需要执行多少距离计算才能使用最近平均分类器对IRIS数据集进行分类。 我知道IRIS数据集有4个特征，每个记录都根据3个不同的标签进行分类。 根据一些教科书，可以进行如下计算： ? 然而，我对这些不同的符号和这个等式意味着什么感到迷惑。例如，方程式中的s^2是什么？
浏览 41提问于2019-03-23得票数 1
回答已采纳
我正在研究医学图像分类问题，并且遇到了低数据集的问题。所以我想使用WGAN生成图像。在给定的代码中，WGAN代码以MNIST数据集为例。在图像生成之后，也很容易识别出它们属于哪个类别的数字。但在医学图像的情况下，在生成图像后，很难确定生成的图像属于哪个类别，因为它们是从给定的代码中分组保存的： def sample_images(self, epoch):
r, c = 5, 5
noise = np.random.normal(0, 1, (r * c, self.latent_dim))
gen_imgs = self.generator.
浏览 31提问于2019-03-22得票数 0
2回答
如何对MNIST数据集使用k折叠交叉验证？我阅读了关于sci学习的文章文档，在那个例子中，他们使用整个虹膜数据集进行交叉验证。
from sklearn.model_selection import cross_val_score
clf = svm.SVC(kernel='linear', C=1)
scores = cross_val_score(clf, iris.data, iris.target, cv=5)
scores
例如，在keras中导入mnist数据集时
from
浏览 0提问于2018-03-19得票数 2
2回答
我是TensorFlow新手，我正在使用MNIST数据集遵循初学者的教程，我想只使用0-8 (不包括9级)来训练模型，所以在代码中的哪里是10，我将其替换为9，但是在代码的训练部分，如何要求next_batch()排除9级？如果我想排除多个类呢？
from __future__ import absolute_import
from __future__ import division
from __future__ import print_function
import argparse
import sys
from tensorflow.examples.tutorials.mni
浏览 1提问于2018-01-06得票数 1
1回答
我对目标探测很陌生。我正在使用tensorflow对象检测API，现在我正在为我的项目和model_main.py收集数据集来训练我的模型。
我发现并转换了两个相当大的汽车和交通灯数据集，并给出了注释。从他们那里做了两张And记录。
现在我想训练一个经过预先训练的模特，但我只是好奇它会起作用吗？当图像(例如"001.jpg“)有可能有一些带有注释的汽车边框(来自汽车数据集)时，但是如果有交通灯，它也不会被标注为->，这会导致糟糕的学习速度吗？(可能有很多“有问题的”图像)我该如何改进？有什么解决办法吗？(我真的不想再给图像加注解了)
如果它愚蠢的问题，我很抱歉，感谢任何答复-一些
浏览 0提问于2019-02-17得票数 0
回答已采纳
3回答
我正在尝试用MNIST数据集来训练一个分类器，使用的是pytorch-MNIST。
import pytorch_lightning as pl
from torchvision import transforms
from torchvision.datasets import MNIST, SVHN
from torch.utils.data import DataLoader, random_split
class MNISTData(pl.LightningDataModule):
def __init__(self, data_dir='./', bat
浏览 9提问于2021-09-14得票数 0
1回答
我是Pytorch的新手，在一些技术问题上遇到了麻烦。我已经使用以下命令下载了MNIST数据集：
train_dataset = dsets.MNIST(root='./data',
train=True,
transform=transforms.ToTensor(),
download=True)
我现在需要在这个数据集上运行一些实验，但使用随机标签。我如何随机地对它们进行混洗/重新分配？
我正尝试手动操
浏览 23提问于2019-07-27得票数 3
回答已采纳
我在看。
在本教程中，这些图像就像这样神奇地被阅读：
mnist = learn.datasets.load_dataset("mnist")
train_data = mnist.train.images
我的图片放在两个目录中：
../input/test/
../input/train/
它们都有一个*.jpg结尾。
那么如何将它们读入到我的程序中呢？
我不认为我可以使用learn.datasets.load_dataset，因为它似乎采用了专门的数据集结构，而我只有包含图像的文件夹。
浏览 4提问于2017-07-06得票数 4
1回答
我正在尝试使用线性回归程序来预测使用mnist数据集的手写数字。每当我尝试运行它时，梯度下降函数总是需要一段时间才能工作，并且需要很长时间才能接近正确的权重。在八个小时内，它已经遍历了这个函数550次，仍然有很多错误。有没有人能告诉我是正常情况下需要这么长时间，还是我做错了什么。
import numpy as np
import pandas as pd
mnist = pd.read_csv('mnist_train.csv')[:4200]
x = np.array(mnist)[:4200,1:]
y = np.array(mnist)[:4200,0].reshap
浏览 0提问于2018-10-07得票数 0
我正在使用深度神经网络分类器在TensorFlow上处理MNIST数据集。我在网络中使用了以下结构。
MNIST_DATASET = input_data.read_data_sets(mnist_data_path)
train_data = np.array(MNIST_DATASET.train.images, 'int64')
train_target = np.array(MNIST_DATASET.train.labels, 'int64')
test_data = np.array(MNIST_DATASET.test.images, 'i
浏览 0提问于2017-10-13得票数 0
按照这个，我可以看到训练和评估步骤正常工作，但我不知道如何为一个未标记的数据集获得预测的类标签。我试过了：
# try predict
test_input_fn = tf.estimator.inputs.numpy_input_fn(
x={"x": my_test_data},
num_epochs=1,
shuffle=False)
test_results = mnist_classifier.predict(input_fn=test_input_fn)
print(test_results)
这会产生一个"generator object Es
浏览 1提问于2017-09-27得票数 1
在这里，我从keras加载MNIST数据集并打印出数据类型：
(train_images, _), (test_images, _) = tf.keras.datasets.mnist.load_data()
print(type(train_images))
print(type(test_images))
相反，我希望以一种方式加载自定义数据集，使其与我的其余代码兼容。我该怎么做呢？
浏览 5提问于2022-07-12得票数 1
回答已采纳
我是机器学习的新手，所以请容忍我的新手问题。我正在尝试训练一个模型，根据它们的详细分类来识别底栖有孔虫。这是有孔虫的样例。
通过使用flow_images_from_directory ()加载我的数据，我已经成功地做到了这一点。但是，我不知道如何探索通常由flow_images_from_directory生成的对象的结构。我想要格式化我的数据集，类似于Fashion MNIST数据的结构。这样我们就可以很容易地修改下面的代码。我有一些使用magick包的经验
dataset_fashion_mnist()
c(train_images, train_labels) %<-% fa
浏览 0提问于2019-06-17得票数 0
1回答
我正在尝试使用MNIST数据库来识别手写数字。到目前为止，我得到的是一个表示数字的二进制矩阵，算法是用matlab编写的。我希望得到一些关于使用MNIST数据库从二进制图像中识别数字的入门帮助。谢谢。
浏览 4提问于2013-08-08得票数 1
我正在学习如何在tensorflow 2.0和Udemy课程的Keras中从头开始创建MNIST模型。
因此，我获得了mnist数据集，如下所示
mnist_dataset, mnist_info = tfds.load(name = 'mnist', with_info=True, as_supervised=True)
mnist_train, mnist_test = mnist_dataset['train'], mnist_dataset['test']
一切都很好，即使我对我的模型进行了97%的测试，我也很高兴。
当我尝试做一些与课程
浏览 2提问于2019-11-04得票数 1
3回答
我理解了GAN是如何工作的，而两个网络(生成网络和区分网络)是如何相互竞争的。我已经建立了一个DCGAN (具有卷积鉴别器和非卷积发生器的GAN)，它现在成功地生成了类似于MNIST数据集中的手写数字。
我读过很多关于GAN从图像中提取特征的应用。如何使用我训练过的GAN模型(在MNIST数据集上)从MNIST手写的数码图像中提取特征？
浏览 0提问于2017-03-09得票数 13
1回答
ID3算法的改进
、、、
是否有任何方法可以修改ID3决策树构建算法，以在允许最多一个错误的情况下构建决策树。
例如，如果有像这样的游戏，它会问问题，并根据答案输出一些类变量。我们可以容纳ID3算法中的最多一个错误吗
谢谢
浏览 2提问于2013-10-25得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
