我已经查看了一些教程,了解使用卷积神经网络进行深度学习的Keras。在教程中(以及Keras官方文档中),MNIST数据集的加载方式如下:
from keras.datasets import mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
然而,没有解释为什么我们有两个数据元组。我的问题是:x_train
和y_train
是什么,它们与x_test
和y_test
的对应项有何不同?
我已经查看了一些教程,了解使用卷积神经网络进行深度学习的Keras。在教程中(以及Keras官方文档中),MNIST数据集的加载方式如下:
from keras.datasets import mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
然而,没有解释为什么我们有两个数据元组。我的问题是:x_train
和y_train
是什么,它们与x_test
和y_test
的对应项有何不同?
训练集是用于训练模型的数据集的子集。
x_train
是训练数据集。y_train
是所有来自 x_train
数据的标签集。测试集是经过初始验证集筛选后,用于测试模型的数据集的子集。
x_test
是测试数据集。y_test
是所有来自 x_test
数据的标签集。验证集是数据集的子集(与训练集分离),用于调整超参数。
我在YouTube上制作了一个使用Keras进行深度学习播放列表。它包含开始使用Keras的基础知识,其中一些视频演示如何将图像组织成训练/验证/测试集,以及如何让Keras为您创建验证集。查看此实现可能有助于您更好地理解这些不同数据集在实践中的用途。