python - TensorFlow 从 mnist 数据集中选择标签

Question

我正在使用 tensorflow.examples.tutorials.mnist 来训练具有 5 个隐藏层的神经网络。

这是我训练神经网络的方式:

with tf.Session() as sess:
init.run()
for epoch in range(n_epochs):
    for iteration in range(len(mnist.test.labels)//batch_size):
        X_batch, y_batch = mnist.train.next_batch(batch_size)
        sess.run(training_op, feed_dict={X: X_batch, y: y_batch})
    acc_train = accuracy.eval(feed_dict={X: X_batch, y: y_batch})
    acc_test = accuracy.eval(feed_dict={X: mnist.test.images, y: mnist.test.labels})
    print(epoch, "Train accuracy:", acc_train, "Test accuracy:", acc_test)

我想训练神经网络仅识别 0 到 4 之间的数字。我将 logits 层更改为具有 5 个输出。

如何过滤 TensorFlow 提供的 mnist 数据集，以便只获取 0 到 4 之间的数字？

Answer 1

有很多方法可以做到这一点。其中之一是当您提取 X_batch, y_batch = mnist.train.next_batch(batch_size) 时。在此步骤中，您的 y_batch 将具有有关数字值的信息(数字值或数字的单热值)。

您迭代批处理中的示例并检查数字是否是您关心的数字。如果是，则将其添加到 cleaned_up_batch。效率不是很高，但它会起作用。

---

回复评论:

效率不高，因为您可能需要多次过滤相同的数据。我认为这不会成为问题，因为 MNIST 非常小。通常的做法是只过滤一次，创建一个新的数据集并编写自己的函数从中获取下一批(实际上很容易，因为您只是从数据集中随机选择 k 个元素)