Last active
December 29, 2017 00:50
-
-
Save hereismari/41054862a32c6b8c96d94e72167a4293 to your computer and use it in GitHub Desktop.
This file contains bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
# -*- coding: utf-8 -*- | |
from __future__ import absolute_import | |
from __future__ import division | |
from __future__ import print_function | |
import tensorflow as tf | |
# MNIST | |
from tensorflow.examples.tutorials.mnist import input_data | |
import numpy as np | |
print ('Versão do TensorFlow:', tf.__version__) | |
# Buscando dados de treino e teste | |
mnist = input_data.read_data_sets('/tmp/MNIST/', one_hot=True) | |
# x_treino: imagens, y_treino: labels | |
x_treino = mnist.train.images | |
y_treino = mnist.train.labels | |
x_teste = mnist.test.images | |
y_teste = mnist.test.labels | |
# Input function de treino | |
mnist_treino_input = tf.estimator.inputs.numpy_input_fn( | |
# os dados devem ser passados como um dicionário, contendo cada feature | |
# como nossa entrada é uma imagem, ou seja, apenas uma feature | |
# temos apenas uma chave no dicionário 'x' cujo valor são as imagens | |
{'x': np.array(x_treino, dtype=np.float32) }, | |
# os labels esperados para numpy_input_fn é um vetor numpy | |
np.array(y_treino, dtype=np.int32), | |
# sempre importanto "misturar" os dados de treino | |
shuffle=True, | |
# este parâmetro = None, implica em repetir os dados de forma "circular" | |
# iremos controlar o número de interações durante o treino do modelo. | |
num_epochs=None) | |
# Input function de teste | |
mnist_teste_input = tf.estimator.inputs.numpy_input_fn( | |
# da mesma forma os dados devem ser passados como um dicionário | |
{'x':np.array(x_teste, dtype=np.float32)}, | |
# labels | |
np.array(y_teste, dtype=np.int32), | |
# misturando os dados | |
shuffle=True, | |
# sem repetir os dados | |
num_epochs=1) |
Sign up for free
to join this conversation on GitHub.
Already have an account?
Sign in to comment