※ 引述《z115988 (Lee)》之銘言： : 目前還只是對tensorflow似懂非懂狀態 : 藉此篇想延伸發問一下 : : 比方說我想要辨識一張椅子，我想要知道的就只有他是椅子的機率。 : : 當我測試圖片為一張椅子時，他就跟我說這是一張椅子。 : : 當我測試圖片為其他東西(比方說一個人或一個水壺)的時候，他就跟我說這不是一張椅子 : : 。 : : 請問這樣子模型要如何訓練呢？爬了許多文找不到相關的討論，懇請各位給我關鍵字。謝 : : 謝！ : 由tensorflow網站看到CNN教學是以MNIST為範例 : 這似乎是把一群資料壓縮成一種檔案(格式?) : 於是我想嘗試把我的資料集套用在此範例的CNN來玩看看 : (假設我的資料與範例一樣是二維的) : 不知道普遍上資料集格式大家都是怎樣做的? : 我的認知是 : 1.應該會有人使用一張一張圖片放進去讀 : 2.也有人像範例一樣製作成一個檔案進行讀取 : 這兩種方法優劣如何? : 想請問前輩這兩種的詳細作法是如何 : 或是有那些文章可以參考 tensorflow 的範例裡面 MNIST 資料處理有包括 download dataset, extract images, extract labels, 對 label 作 one-hot-encoding, 處理 batch ... 你如果要處理自己的檔案，可以參考 tensorflow input pipeline https://www.tensorflow.org/api_guides/python/reading_data 另外，training 的時候，都會使用 batch 方式去 train model，不會一筆資料一 筆資料去 train (除非使用 batch 的時候，memory 不夠)。batch 處理速度會快很 多，通常效果也可能好一些。 如果只是要做簡單的 model，你也可以使用 Keras，會精簡很多 --

※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.44.86.156 ※ 文章網址: https://webptt.com/m.aspx?n=bbs/Python/M.1504890185.A.E99.html