使用 UCI 数据集的张量流数据处理

Question

我正在尝试使用Tensorflow来识别UCI数据集(https://archive.ics.uci.edu/ml/datasets/Optical+Recognition+of+Handwritten+Digits(的手写数字。其中每行是图像像素的扁平 8*8 矩阵，最后一个属性是类代码 0-9。但是，我遵循的教程是关于MNIST数据的，这是完全不同的。它有一个 28*28 的矩阵，值为 0-255。所以，它是这样的：

from tensorflow.examples.tutorials.mnist import input_data
mnist = 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很陌生，所以我无法为UCI数据准备神经网络模型。我只是想要一些关于如何进行的方向。我有两个主要问题。

1. 这是导入数据的正确方法吗？
2. 如何获取"y"标签作为最后一个属性？

目前我正在考虑做这样的事情：

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，我想准备一个包含 64 个节点的输入层和一个带有输出的'y'标签来训练NN model。

Answer 1

我也是新手，可能这不是一个好方法。我使用 numpy 导入数据，然后将其转换为张量流格式。

import tensorflow as tf
import numpy as np
trainingDataSet_ = np.loadtxt('/data/optdigits.tra', delimiter=',');
trainingDataSet = tf.convert_to_tensor(trainingDataSet_, np.int32)
# store labels of each sample
y = trainingDataSet[:, 64]
# remove lables from features
x = trainingDataSet[:, :64]