41、深度学习数据处理与卷积神经网络入门

深度学习数据处理与卷积神经网络入门

一、数据处理基础

在深度学习中，数据的处理是至关重要的一环。通常，数据集中的每个项目是一个包含特征和标签的字典，但 Keras 期望每个项目是一个包含两个元素（特征和标签）的元组。我们可以使用 map() 方法来转换数据集，示例代码如下：

mnist_train = mnist_train.shuffle(10000).batch(32)
mnist_train = mnist_train.map(lambda items: (items["image"], items["label"]))
mnist_train = mnist_train.prefetch(1)

不过，更简单的方法是在调用 load() 函数时设置 as_supervised=True （显然，这仅适用于有标签的数据集），还可以指定批量大小。然后就可以直接将数据集传递给 tf.keras 模型，示例代码如下：

import tensorflow as tf
import tensorflow_datasets as tfds
import keras

dataset = tfds.load(name="mnist", batch_size=32, as_supervised=True)
mnist_train = dataset["train"].prefetch(1)
model = kera