Tensorflow2.x框架-神经网络八股扩展-自制数据集

自制数据集，解决本领域应用

 

目录

摘要

一、Sequential() 实现自制数据集

二、Class() 实现自制数据集

---

摘要

mnist_image_label 文件夹：

 

    mnist_train_jpg_60000（训练集图片）：

        存放训练用的 60000 张图片，都是灰底白字的灰度图。

        每张图有28行28列个像素点，每个像素点都是0到255之间的整数。

        纯黑色用数值0表示，纯白色用数值255表示。

    mnist_test_jpg_10000（训练集图片）：

        存放测试用的 10000 张图片，都是灰底白字的灰度图。

        每张图有28行28列个像素点，每个像素点都是0到255之间的整数。

        纯黑色用数值0表示，纯白色用数值255表示。

    mnist_train_jpg_60000.txt（训练集标签）：

        存放60000张训练集图片的图片名和对应的标签，中间用空格隔开。

        比如，28755_0.jpg 0 中 28755_0.jpg 就是训练集第一张图片的图片名，空格后的 0 是这张图所对应的标签。

    mnist_test_jpg_10000.txt（训练集标签）：

        存放10000张测试集图片的图片名和对应的标签，中间用空格隔开。

        比如，2028_7.jpg 7中 2028_7.jpg 就是训练集第一张图片的图片名，空格后的 7 是这张图所对应的标签。

图片文件夹：

    

标签文件：

一、Sequential() 实现自制数据集

"""
自制数据集，解决本领域应用
"""
# 导入模块
import os
import numpy as np
import tensorflow as tf
from PIL import Image

# 根目录
base_path = os.path.dirname(os.path.abspath(__file__))
# ../MNIST_FC/mnist_image_label/
base_path = os.path.join(base_path, "MNIST_FC")
base_path = os.path.join(base_path, "mnist_image_label")

# 训练集文件
train_path = os.path.join(base_path, "mnist_train_jpg_60000")
# 训练集标签
train_txt = os.path.join(base_path, "mnist_train_jpg_60000.txt")
# 训练集数据存储文件
x_train_save_path = os.path.join(base_path, "mnist_x_train.npy")
# 训练集标签存储文件
y_train_save_path = os.path.join(base_pa