Keras 预处理数据

首先需要调整数据集的形状,让其包含图像的位深信息。

打印原始数据集的形状:

>>> print (X_train.shape)
(60000, 28, 28)

可以看到并没有包含图像的位深信息。

MNIST是灰度图像,位深为1,我们将数据集从形状(n,宽度,高度)转换为(n,位深,宽度,高度)。

if K.image_data_format() == 'channels_first':
    X_train = X_train.reshape(X_train.shape[0], 1, 28, 28)
    X_test = X_test.reshape(X_test.shape[0], 1, 28, 28)
    input_shape = (1, 28, 28)
else:
    X_train = X_train.reshape(X_train.shape[0], 28, 28, 1)
    X_test = X_test.reshape(X_test.shape[0], 28, 28, 1)
    input_shape = (28, 28, 1)

Keras的底层实现库可能是TensorFlow或Theano,它们对数据集的形状要求是不一样的,TensorFlow要求通道在前channels_first,Theano相反。此处,我们使用TensorFlow的格式。

重新打印X_train的形状:

print (X_train.shape)
# (60000, 1, 28, 28)

可以看到,形状已经变化了,包含了图像的位深信息。

接下来,输入数据预处理步骤是将数据类型转换为float32,并将数据值归一化到[0,1]范围内。


X_train = X_train.astype('float32') X_test = X_test.astype('float32') X_train /= 255 X_test /= 255


浙ICP备17015664号 浙公网安备 33011002012336号 联系我们 网站地图  
@2019 qikegu.com 版权所有,禁止转载