《深度学习入门》4.2.3随机抽取批数据代码分析

最新推荐文章于 2022-10-29 07:01:23 发布

原创最新推荐文章于 2022-10-29 07:01:23 发布 · 529 阅读

1 ·

CC 4.0 BY-SA版权

python 同时被 3 个专栏收录

11 篇文章

订阅专栏

《深度学习入门》

6 篇文章

订阅专栏

python语法问题

5 篇文章

订阅专栏

本文介绍了一个Python脚本，该脚本使用numpy和自定义的mnist数据加载器来从MNIST数据集中加载已正规化的训练和测试数据。通过one-hot编码标签并从中随机选择小批量样本进行后续的机器学习或深度学习实验。

import sys,os
sys.path.append(os.pardir)
import numpy as np 
from dataset.mnist import load_mnist

(x_train,t_train),(x_test,t_test) = \
    load_mnist(normalize = True,one_hot_label=True)#已经正规化了，所以像素在0~1之间

print(x_train.shape)
print(t_train.shape)
#print(x_train)

train_size = x_train.shape[0]
batch_size = 10
batch_mask = np.random.choice(train_size, batch_size)#从60000个中随机取10个索引
#print(batch_mask)#打印出了十个索引组成的列表(10,)

x_batch = x_train[batch_mask]
#suiji = x_train[[1,2]]
#print(suiji.shape)#(2,784)
#print(suiji)#打印出来的是这2个索引所指的图像数据值所组成的数组（2,784)

t_batch = t_train[batch_mask]#打印出来的是这几个个索引所指的训练标签的one_hot_label
#suiji = t_train[[100,900]]
#print(suiji)