如何从tensorflow中的Dataset类中获取10kmnist图像的子集？

Question

我发现以下方法可以在tensorflow中获取mnist数据集：

def get_input_fn(dataset_split, batch_size, capacity=10000, min_after_dequeue=3000):

  def _input_fn():
    images_batch, labels_batch = tf.train.shuffle_batch(
        tensors=[dataset_split.images, dataset_split.labels.astype(np.int32)],
        batch_size=batch_size,
        capacity=capacity,
        min_after_dequeue=min_after_dequeue,
        enqueue_many=True,
        num_threads=4)
    features_map = {'images': images_batch}
    return features_map, labels_batch

  return _input_fn

    data = tf.contrib.learn.datasets.mnist.load_mnist()

    train_input_fn = get_input_fn(data.train, batch_size=256)
    eval_input_fn = get_input_fn(data.validation, batch_size=5000)

数据变量是数据集对象。 这种方法我不太清楚，我也不知道如何将60K数据集转换为10K数据集。在

当我执行以下操作时：

^{pr2}$

我得到错误：

AttributeError: 'Datasets' object has no attribute 'take'

但是文档提供了这种方法：

谢谢你的帮助！在

Answer 1

来自contrib模块的此函数已弃用。您可以使用tf.keras.datasets.mnist.load_data()。根据https://www.tensorflow.org/api_docs/python/tf/keras/datasets/mnist/load_data，它返回

Tuple of Numpy arrays: `(x_train, y_train), (x_test, y_test)`. 

因此，为了对它应用任何函数，需要将其加载到dataset对象中。在

^{pr2}$

然后可以将shuffle、batch、take或任何映射函数应用于dataset_train或dataset_test对象