深度学习

全连接

• 前馈全连接神经网络

1. 导包：

• 导入本次所要使用的所有库—pandas、numpy、matplotlib...

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

2. 导入所需数据：

• 在网上获取所需要的“.csv”数据集，进行数据导入

import pandas as pd

path1 = "D:\MNIST\mnist_train.csv"

path2 = "D:\MNIST\mnist_test.csv"

train_Data = pd.read_csv(path1, header = None) # 训练数据

test_Data = pd.read_csv(path2, header = None)   # 测试数据

3. 观察导入的数据：

• 分别输出训练数据和测试数据的信息,包括数据的维度、数据类型

# 观察数据

print("Train data:")

train_Data.info()

print("\nTest data:")

test_Data.info()

输出结果：

      

• 训练数据集有 60000 个样本,每个样本有 785 个特征(包括标签)、10000 个样本,每个样本也有 785 个特征(包括标签)、所有特征的数据类型都是 int64、占用内存 359.3 MB,测试数据集占用内存 59.9 MB。

4. 观察数据集的前五行：

train_Data.head(5)

输出结果：

5. 显示 MNIST 数据集中的一个手写数字样本：

• 从 MNIST 训练数据集中取出一个样本,提取出它的图像数据和标签信息,然后使用 Matplotlib 将其可视化显示出来。

import matplotlib.pyplot as plt



# 取第一行标签数据

x = train_Data.iloc[0]

# 标签信息

y = x[0]

# 将1*784转换为28*28

img = x[1:].values.reshape(28, 28)

# 画图

plt.imshow(img)

plt.title('label = '+ str(y))

plt.show()

输出结果：