Почему при печати набора данных в TensorFlow отображается много массивов, хотя я печатаю только первый - PullRequest
Новая
       97

Почему при печати набора данных в TensorFlow отображается много массивов, хотя я печатаю только первый

0 голосов
/ 29 мая 2020

Я делаю colab тензорного потока, и у меня проблемы с пониманием наборов данных, особенно после нормализации данных ... в разделе «Исследовать данные процесса». Я использую здесь for l oop, чтобы понять печатаемые данные. Когда я смотрю и беру один из набора данных, почему я печатаю такой длинный набор данных, если изображения имеют размер 28x28 и используют numpy для печати представления данных в виде 2-мерного массива ... вот ссылка на упражнение colab с использованием набора данных MNIST https://colab.research.google.com/github/tensorflow/examples/blob/master/courses/udacity_intro_to_tensorflow_for_deep_learning/l03c01_classifying_images_of_clothing.ipynb

dataset, metadata = tfds.load('fashion_mnist', as_supervised=True, with_info=True)
train_dataset, test_dataset = dataset['train'], dataset['test']

class_names = ['T-shirt/top', 'Trouser', 'Pullover', 'Dress', 'Coat',
               'Sandal',      'Shirt',   'Sneaker',  'Bag',   'Ankle boot']

def normalize(images, labels):
  images = tf.cast(images, tf.float32)
  images /= 255
  return images, labels

# The map function applies the normalize function to each element in the train
# and test datasets
train_dataset =  train_dataset.map(normalize)
test_dataset  =  test_dataset.map(normalize)

# The first time you use the dataset, the images will be loaded from disk
# Caching will keep them in memory, making training faster
train_dataset =  train_dataset.cache()
test_dataset  =  test_dataset.cache()

for img, label in test_dataset.take(1):
  print(img.numpy().reshape((28,28)))
  break
...