TensorFlow简要教程系列（三）TensorFlow实现简单图像探索

最新推荐文章于 2025-06-15 11:20:23 发布

原创

最新推荐文章于 2025-06-15 11:20:23 发布 · 3.4k 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#机器学习-深度学习 #TensorFlow #神经网络 #数据探索

这篇教程是TensorFlow简要教程系列的第三部分，主要介绍如何使用TensorFlow进行数据探索和准备，特别是针对斯坦福SVHN数据集。内容涵盖了数据集的下载、MATLAB文件的读取，并为后续的神经网络建立打下基础。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前面两节介绍了TensorFlow安装和基本概念，下面我们在实战中进一步体会TensorFlow的用法。这里需要大家具备相关的背景知识，如神经网络，relu, softmax, 反向传播，卷积等等。这一节主要讲数据探索和基本函数准备。

数据采用斯坦福SVHN数据集（The Street View HouseNumbers Dataset）。

下载地址：http://ufldl.stanford.edu/housenumbers/

数据集名 train_32x32.mat, test_32x32.mat

格式为MATLAB文件，可从scipy.io中import loadmat读取，这里Python 3.5版本。下面为具体代码实现，在注释部分进行讲解。

#首先引入所需要的基本包
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import tensorflow as tf
 
#读matlab文件
from scipy.io import loadmat as load 
 
 
#读取数据
train= load('/Users/chenbin/Desktop/TensorFlow/test_ml/