时间戳

首页 > 解决方案 > 从 MNIST 数据集中更改训练集和测试集的大小

python - 从 MNIST 数据集中更改训练集和测试集的大小

问题描述

我正在使用 MNIST 和 Keras 来学习 CNN。我正在下载 Keras API 下的 MNIST 手写数字数据库，如下所示。数据集已经分成 60.000 张图像用于训练和 10.000 张图像用于测试（请参阅数据集 - Keras 文档）。

from keras.datasets import mnist

(x_train, y_train), (x_test, y_test) = mnist.load_data()

如何加入训练集和测试集，然后将它们分成 70% 用于训练和 30% 用于测试？

标签： pythonkerasmnist

解决方案

中没有这样的论点mnist.load_data。相反，您可以通过（或）连接数据，numpy然后拆分：sklearnnumpy

from keras.datasets import mnist
import numpy as np
from sklearn.model_selection import train_test_split

(x_train, y_train), (x_test, y_test) = mnist.load_data()
x = np.concatenate((x_train, x_test))
y = np.concatenate((y_train, y_test))

train_size = 0.7
x_train, x_test, y_train, y_test = train_test_split(x, y, train_size=train_size, random_seed=2019)

为重现性设置随机种子。

通过numpy（如果您不使用 sklearn）：

# do the same concatenation
np.random.seed(2019)
train_size = 0.7
index = np.random.rand(len(x)) < train_size  # boolean index
x_train, x_test = x[index], x[~index]  # index and it's negation
y_train, y_test = y[index], y[~index]

您将获得大约所需大小的数组（~210xx 而不是 21000 测试大小）。

mnist.load_data看起来这个函数的源代码只是从一个已经拆分为 60000 / 10000 测试的 URL 中获取这个数据，所以只有一个连接解决方​​法。

您还可以从http://yann.lecun.com/exdb/mnist/下载 MNIST 数据集并手动对其进行预处理，然后将其连接起来（根据需要）。但是，据我了解，它被分为 60000 个用于训练的示例和 10000 个用于测试的示例，因为这种拆分用于标准基准测试。

推荐阅读