我正在尝试使用Tensorflow识别UCI数据集中的手写数字（https://archive.ics.uci.edu/ml/datasets/Optical+Recognition+of+Handwritten+Digits）。数据集中每行是一个8*8像素矩阵的扁平化表示，最后一个属性是类别代码0-9。然而，我之前学习的教程是关于MNIST数据的，这与之大不相同。MNIST数据是一个28*28的矩阵，值范围是0-255。所以，代码是这样的：
from tensorflow.examples.tutorials.mnist import input_datamnist = input_data.read_data_sets("/tmp/data", one_hot=True)x = tf.placeholder('float', [None, 784])y = tf.placeholder('float')由于我对Tensorflow还比较陌生，我无法为UCI数据准备神经网络模型。我现在有两个主要的问题需要指导。
- 导入数据的方法是否正确？
- 如何将最后一个属性作为’y’标签？
目前我在考虑这样做：
filename_queue = tf.train.string_input_producer(["optdigits.tra"])reader = tf.TextLineReader()_, serialized_example = reader.read(filename_queue)image,label = decode(serialized_example)x = tf.placeholder('float', [None, 64])y = tf.placeholder('float')基本上，我希望准备一个具有64个节点的输入层，并使用’y’标签作为输出，以便训练NN模型。
回答：
我也是新手，可能这不是一个好的方法。我使用numpy导入了数据，然后将其转换为tensorflow格式。
import tensorflow as tfimport numpy as nptrainingDataSet_ = np.loadtxt('/data/optdigits.tra', delimiter=',');trainingDataSet = tf.convert_to_tensor(trainingDataSet_, np.int32)# 存储每个样本的标签y = trainingDataSet[:, 64]# 从特征中移除标签x = trainingDataSet[:, :64]