目录
[6、Fashion MNIST数据集](#6、Fashion MNIST数据集)
1、MNIST数字分类数据集
包含60000个10位数的28x28灰度图像的数据集，以及10000个图像的测试集
1、加载本地mnist.npz格式数据
keras.datasets.mnist.load_data(path="mnist.npz")
2、 使用keras.datasets.mnist.load_data()函数加载MNIST数据集
python
(x_train, y_train), (x_test, y_test) = keras.datasets.mnist.load_data()
#检查训练集和测试集的形状
assert x_train.shape == (60000, 28, 28)
assert x_test.shape == (10000, 28, 28)
assert y_train.shape == (60000,)
assert y_test.shape == (10000,)2、CIFAR10小图像分类数据集
这是一个由50000张32x32彩色训练图像和10000张测试图像组成的数据集，标记为10个类别。
| 标签 | 类别 |
|---|---|
| 0 | airplane |
| 1 | automobile |
| 2 | bird |
| 3 | cat |
| 4 | deer |
| 5 | dog |
| 6 | frog |
| 7 | horse |
| 8 | ship |
| 9 | truck |
使用 keras.datasets.cifar10.load_data()加载数据集
python
(x_train, y_train), (x_test, y_test) = keras.datasets.cifar10.load_data()
#检查训练集和测试集的形状
assert x_train.shape == (50000, 32, 32, 3)
assert x_test.shape == (10000, 32, 32, 3)
assert y_train.shape == (50000, 1)
assert y_test.shape == (10000, 1)3、CIFAR100小图像分类数据集
该数据集与 CIFAR-10 类似，不同之处在于它有 100 个类，每个类包含 600 张图像。每类有 500 张训练图像和 100 张测试图像。CIFAR-100 中的 100 个类分为 20 个超类。每个图像都带有一个"精细"标签（它所属的类）和一个"粗略"标签（它所属的超类）
|--------------------------------|-------------------------------------------------------|
| 超类 | 类别 |
| aquatic mammals | beaver, dolphin, otter, seal, whale |
| fish | aquarium fish, flatfish, ray, shark, trout |
| flowers | orchids, poppies, roses, sunflowers, tulips |
| food containers | bottles, bowls, cans, cups, plates |
| fruit and vegetables | apples, mushrooms, oranges, pears, sweet peppers |
| household electrical devices | clock, computer keyboard, lamp, telephone, television |
| household furniture | bed, chair, couch, table, wardrobe |
| insects | bee, beetle, butterfly, caterpillar, cockroach |
| large carnivores | bear, leopard, lion, tiger, wolf |
| large man-made outdoor things | bridge, castle, house, road, skyscraper |
| large natural outdoor scenes | cloud, forest, mountain, plain, sea |
| large omnivores and herbivores | camel, cattle, chimpanzee, elephant, kangaroo |
| medium-sized mammals | fox, porcupine, possum, raccoon, skunk |
| non-insect invertebrates | crab, lobster, snail, spider, worm |
| people | baby, boy, girl, man, woman |
| reptiles | crocodile, dinosaur, lizard, snake, turtle |
| small mammals | hamster, mouse, rabbit, shrew, squirrel |
| trees | maple, oak, palm, pine, willow |
| vehicles 1 | bicycle, bus, motorcycle, pickup truck, train |
| vehicles 2 | lawn-mower, rocket, streetcar, tank, tractor |
使用 keras.datasets.cifar100.load_data()加载数据集
python
(x_train, y_train), (x_test, y_test) = keras.datasets.cifar100.load_data()
#检查训练集和测试集的形状
assert x_train.shape == (50000, 32, 32, 3)
assert x_test.shape == (10000, 32, 32, 3)
assert y_train.shape == (50000, 1)
assert y_test.shape == (10000, 1)4、IMDB电影评论情感分类数据集
这是来自IMDB的25000条电影评论的数据集，按情绪（积极/消极）进行标记。评论已经过预处理，每个评论都被编码为单词索引（整数）列表。
python
keras.datasets.imdb.load_data(
path="imdb.npz",
num_words=None,
skip_top=0,
maxlen=None,
seed=113,
start_char=1,
oov_char=2,
index_from=3,
**kwargs
)参数说明
- **path：**数据存储的位置。
- **num_words:**integer或None。单词根据它们出现的频率（在训练集中）进行排名，并且只保留最频繁的num_Words单词。任何不太频繁的单词都将在序列数据中显示为oov_char值。如果"无"，则保留所有单词。默认为"无"。
- **skip_top：**跳过前N个最频繁出现的单词（可能没有信息）。这些单词将在数据集中显示为oov_char值。当为0时，不跳过任何单词。默认值为0。
- **maxlen:**int或None。最大序列长度。任何较长的序列都将被截断。无，意味着没有截断。默认为"无"。
- **seed:**int，用于可再现数据混洗的种子。
- **start_char：**int。序列的开头将用这个字符标记。0通常是填充字符。默认值为1。
- **oov_char:**int，词汇表外的字符。由于num_Words或skip_top限制而被剪切掉的单词将被替换为此字符。
- **index_from:**int，使用此索引或更高的索引实际单词。
imdb_word_index.json
单词索引词典。键是字符串，值是它们的索引
使用keras.datasets.imdb.get_word_index函数加载imdb_word_index.json
python
keras.datasets.imdb.get_word_index(path="imdb_word_index.json")示例
python
# 导入Keras库中的IMDB数据集
import keras.datasets.imdb
# 设置起始字符的索引为1
start_char = 1
# 设置未知字符的索引为2
oov_char = 2
# 设置索引从3开始
index_from = 3
# 使用默认参数加载IMDB数据集的训练数据，并只获取训练序列（不获取测试序列）
(x_train, _), _ = keras.datasets.imdb.load_data(
start_char=start_char, oov_char=oov_char, index_from=index_from
)
# 获取单词到索引的映射文件
word_index = keras.datasets.imdb.get_word_index()
# 反转单词索引，得到一个将索引映射到单词的字典
# 并将`index_from`添加到索引中，以与`x_train`同步
inverted_word_index = dict(
(i + index_from, word) for (word, i) in word_index.items()
)
# 更新`inverted_word_index`，包含`start_char`和`oov_char`
inverted_word_index[start_char] = "[START]"
inverted_word_index[oov_char] = "[OOV]"
# 解码数据集中的第一个序列
decoded_sequence = " ".join(inverted_word_index[i] for i in x_train[0])5、路透社新闻专线分类数据集
这是一个由路透社11228条新闻专线组成的数据集，标签超过46个主题。
python
keras.datasets.reuters.load_data(
path="reuters.npz",
num_words=None,
skip_top=0,
maxlen=None,
test_split=0.2,
seed=113,
start_char=1,
oov_char=2,
index_from=3,
)参数说明
- **
path：**指定了保存数据的npz文件路径，这里设置为"reuters.npz"。 - **
num_words：**用于指定要保留的单词数量，设置为None表示保留所有单词。 - skip_top
：用于指定要跳过的最常见的单词数量，设置为0表示不跳过任何单词。 - **
maxlen：**用于指定每个输入序列的最大长度，设置为None表示使用默认值。 - **
test_split：**参数用于指定测试集所占的比例，设置为0.2表示测试集占20%。 - **
seed：**参数用于指定随机数生成器的种子，设置为113以确保结果可重复。 - **
start_char和oov_char：**分别用于指定未知单词的起始字符和未知单词的输出字符，设置为1和2。 - **
index_from：**参数用于指定索引的起始值，设置为3表示从3开始编号。
reuters_word_index.json
检索一个dict，将单词映射到路透社数据集中的索引。实际的单词索引从3开始，保留了3个索引：0（填充）、1（开始）、2（oov）。例如，"the"的单词索引为1，但在实际的训练数据中，"the"的索引将为1+3=4。反之亦然，要使用此映射将训练数据中的单词索引翻译回单词，索引需要减去3。
使用keras.datasets.reuters.get_word_index加载imdb_word_index.json
python
keras.datasets.reuters.get_word_index(path="reuters_word_index.json")6、Fashion MNIST数据集
这是一个由10个时尚类别的60000张28x28灰度图像组成的数据集，以及10000张图像的测试集
| 标签 | 类别 |
|---|---|
| 0 | T-shirt/top |
| 1 | Trouser |
| 2 | Pullover |
| 3 | Dress |
| 4 | Coat |
| 5 | Sandal |
| 6 | Shirt |
| 7 | Sneaker |
| 8 | Bag |
| 9 | Ankle boot |
使用fashion_mnist.load_data()加载
python
(x_train, y_train), (x_test, y_test) = fashion_mnist.load_data()
#检查测试集和训练集
assert x_train.shape == (60000, 28, 28)
assert x_test.shape == (10000, 28, 28)
assert y_train.shape == (60000,)
assert y_test.shape == (10000,)7、加州房价回归数据集
这是一个连续回归数据集，包含20640个样本，每个样本有8个特征。目标变量是一个标量：加利福尼亚地区的房屋中值，单位为美元。
使用keras.datasets.california_housing.load_data加载
python
keras.datasets.california_housing.load_data(
version="large", path="california_housing.npz", test_split=0.2, seed=113
)参数说明
- version："小"或"大"。小版本包含600个样本，大版本包含20640个样本。
- **path：**本地数据集的路径。
- **testsplit：**作为测试集保留的数据的一部分。
- **seed：**在计算测试分割之前对数据进行混洗的随机种子。