[tensorflow, keras, mnist] Extraire n feuilles pour chaque étiquette à partir des données mnist et créer 10 * n feuilles de données.

Préface

Pourquoi prenez-vous la peine de prendre une petite quantité de données?

• Parce que je veux penser à un modèle qui donne une bonne précision même lorsque la quantité de données est petite
• Parce que je veux éliminer les biais pour chaque étiquette

code

github Charger mnist

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

Stockez y_train une fois dans le dataframe pandas, divisez-en le dataframe et récupérez l'index. Sortez avec n = 100 dans le flux.

#Utilisez des pandas, un code pour obtenir 100 feuilles de chaque étiquette
df = pd.DataFrame(columns=["label"])
df["label"] = y_train.reshape([-1])

list_0 = df.loc[df.label==0].sample(n=100)#n=Échantillonnage à 100
list_1 = df.loc[df.label==1].sample(n=100)
list_2 = df.loc[df.label==2].sample(n=100)
list_3 = df.loc[df.label==3].sample(n=100)
list_4 = df.loc[df.label==4].sample(n=100)
list_5 = df.loc[df.label==5].sample(n=100)
list_6 = df.loc[df.label==6].sample(n=100)
list_7 = df.loc[df.label==7].sample(n=100)
list_8 = df.loc[df.label==8].sample(n=100)
list_9 = df.loc[df.label==9].sample(n=100)

label_list = pd.concat([list_0,list_1,list_2,list_3,list_4,list_5,list_6,list_7,list_8,
                       list_9])
label_list = label_list.sort_index()
label_idx = label_list.index.values

train_label = label_list.label.values

"""
x_Dataframe pour l'étiquette du train.En extrayant l'index, les données correspondant à l'étiquette sont extraites.
"""
x_train = x_train[label_idx]
y_train= train_label
x_train = x_train / 255
x_test = x_test / 255

Vous pouvez désormais échantillonner toutes les 100 feuilles de chaque étiquette.