导入 input_data MNIST 张量流不工作

Posted 2023-02-23

【中文标题】导入 input_data MNIST 张量流不工作

【英文标题】：import input_data MNIST tensorflow not working

【发布时间】：2016-02-13 09:02:08

【问题描述】：

TensorFlow MNIST example not running with fully_connected_feed.py

我检查了这个并意识到input_data 不是内置的。所以我从here 下载了整个文件夹。如何开始本教程：

import input_data
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)


---------------------------------------------------------------------------
ImportError                               Traceback (most recent call last)
<ipython-input-6-a5af65173c89> in <module>()
----> 1 import input_data
      2 mnist = tf.input_data.read_data_sets("MNIST_data/", one_hot=True)

ImportError: No module named input_data

我正在使用 iPython (Jupyter)，所以我需要将我的工作目录更改为我下载的这个文件夹吗？或者我可以将它添加到我的tensorflow 目录中吗？如果是这样，我在哪里添加文件？我安装了tensorflow 和pip（在我的OSX 上），当前位置是~/anaconda/lib/python2.7/site-packages/tensorflow/__init__.py

这些文件是否可以直接通过tensorflow 访问，例如sklearn 数据集？还是我只是应该 cd 进入目录并从那里工作？例子不清楚。

编辑：

这篇文章已经过时了

【参考方案1】：

假设您在目录中：/somePath/tensorflow/tutorial（这是您的工作目录）。

您需要做的就是下载input_data.py 文件并像这样放置它。假设您调用的文件名：

import input_data
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)
...

是main.py，也在同一目录下。

完成此操作后，您可以开始运行main.py，它将开始下载文件并将它们放在 MNIST_data 文件夹中（一旦它们在那里，脚本将不会在下次下载它们）。

【讨论】：

有人知道“one_hot=True”是什么意思吗？有人可以去哪里阅读他自己的这些细节？谢谢

对于可能感兴趣的人，我找到了一个可能的答案，那就是：“one-hot vector是一个大多数维度为0，单个维度为1的向量。”。页面上的完整解释：tensorflow.org/versions/r0.10/tutorials/mnist/beginners/…（搜索单词'one-hot'）

假设我们有一个用于图像 0 到 9 的向量。所以，它是一个 10 元素向量。 one-hot 向量意味着一次只有一个类处于活动状态。因此，“6”类图像处于活动状态。或者向量中的那个元素的值为 1。

更多上下文。在训练过程中，您的优化器（例如梯度下降）会最小化模型输出与 one-hot 向量之间的距离。这个距离越小，你的模型就越准确。一个常用的最小化距离函数是交叉熵函数。本质上，您的模型需要一个参考来比较它的输出，以便可以继续调整权重和偏差，直到达到可接受的精度。此引用是 one-hot 编码向量。

由于引用的 input_data.py 链接不起作用，[this][1] 文件对我有用。 [1]：gist.github.com/haje01/14b0e5d8bd5428df781e

【参考方案2】：

老教程说，要导入MNIST数据，使用：

import input_data
mnist = input_data.read_data_sets('MNIST_data', one_hot=True)

这将导致错误。 新教程使用以下代码：

from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("MNIST_data", one_hot=True)

这很好用。

【讨论】：

当我尝试您在新教程中提到的方法时，我收到此错误：urllib.error.URLError: <urlopen error [WinError 10060] A connection attempt failed because the connected party did not properly respond after a period of time, or established connection failed because connected host has failed to respond>。知道为什么吗？

我能够从here 手动下载数据。确保将文件下载到 tensorflow MNIST_data 文件夹 tensorflow\examples\tutorials\mnist 完成此操作后，input_data.read_data_sets("MNIST_data", one_hot=True) 工作。

嘿，这对我有用，但我必须先更新熊猫。为此使用“sudo pip install pandas --upgrade”

@user3731622，我偶尔也会遇到这个错误。一些谷歌搜索把我带到了其他一些关于这个问题的错误跟踪器。显然，托管该数据的网站会不时出现故障，并且不会自动尝试另一个镜像。

【参考方案3】：

如何开始教程

我没有下载你下载的文件夹，但是我通过 pip 安装了 tensorflow，然后我遇到了类似的问题。

我的解决方法是替换

import tensorflow.examples.tutorials.mnist.input_data

与

import tensorflow.examples.tutorials.mnist.input_data as input_data

【参考方案4】：

我正在使用不同的版本 - 在 Windows 上使用 Docker here 安装之后 - 并且遇到了类似的问题。

我发现一个简单的解决方法是：

1.进入Linux命令行，找出我的Docker镜像上的input_data.py在哪里（在你的例子中你提到你必须手动下载它。在我的例子中，它已经在这里了）。我使用了以下 linux 命令：

$ sudo find . -print | grep -i '.*[.]py'

我有文件和路径

./tensorflow/g3doc/tutorials/mnist/mnist.py
./tensorflow/g3doc/tutorials/mnist/input_data.py

2.启动 Python 并使用 SYS 键入以下命令：

>> import sys
>> print(sys.path)

你会得到现有的路径。

['', '/usr/lib/python2.7', '/usr/lib/python2.7/plat-x86_64-linux-gnu', '/usr/lib/python2.7/lib-tk', '/usr/lib/python2.7/lib-old', '/usr/lib/python2.7/lib-dynload', '/usr/local/lib/python2.7/dist-packages', '/usr/lib/python2.7/dist-packages', '/usr/lib/python2.7/dist-packages/PILcompat']

4.添加inputa_data.py的路径：

>> sys.path.insert(1,'/tensorflow/tensorflow/g3doc/tutorials/mnist')

希望对您有所帮助。如果您找到更好的选择，请告诉我。 :)

【讨论】：

对我来说它是这样工作的：import tensorflow.examples.tutorials.mnist.input_data

【参考方案5】：

如果您使用的是 Tensorflow 2.0 或更高版本，则需要先安装 tensorflow_datasets：

pip install tensorflow_datasets

或者如果您使用的是 Anaconda 发行版：

conda install tensorflow_datasets

从命令行。

如果您使用的是 Jupyter Notebook，则需要安装并启用 ipywidgets。根据使用 pip 的文档 (https://ipywidgets.readthedocs.io/en/stable/user_install.html)：

pip install ipywidgets
jupyter nbextension enable --py widgetsnbextension

如果您使用的是 Anaconda 发行版，请从命令行安装 ipywidgets，如下所示：

conda install -c conda-forge ipywidgets

使用 Anaconda 发行版，无需启用扩展，conda 会为您处理。

然后导入你的代码：

import tensorflow_datasets as tfds
mnist = tfds.load(name='mnist')

如果您遵循这些说明，您应该能够正确使用它。

【参考方案6】：

我可能有点晚了，但对于 tensorflow 版本 0.12.1，您可能想改用 input_data.read_data_sets。

基本上使用这个函数来加载你从http://yann.lecun.com/exdb/mnist/下载的本地驱动器中的数据。

from tensorflow.examples.tutorials.mnist import input_data mnist = input_data.read_data_sets('data_set/')

【参考方案7】：

对于 TensorFlow API 2.0，mnist 数据更改为：tf.keras.datasets.mnist.load_data

【参考方案8】：

现在有一种更简单的方法可以将 MNIST 数据加载到 tensorflow 中，而无需使用 Tensorflow 2 和 Tensorflow 数据集下载数据

要开始使用，请确保导入 Tensorflow 并指定第二个版本：

%tensorflow_version 2.x
import tensorflow as tf

然后使用以下代码将数据加载到字典中：

MNIST_data = tfds.load(name = "mnist")

然后将数据拆分为训练和测试：

train, test = MNIST_data['train'] , MNIST_data['test']

现在您可以随意使用这些数据生成器。

【参考方案9】：

cd your_mnist_dir &&\
wget https://github.com/HIPS/hypergrad/raw/master/data/mnist/mnist_data.pkl &&\
wget https://github.com/HIPS/hypergrad/raw/master/data/mnist/t10k-images-idx3-ubyte.gz &&\
wget https://github.com/HIPS/hypergrad/raw/master/data/mnist/t10k-labels-idx1-ubyte.gz &&\
wget https://github.com/HIPS/hypergrad/raw/master/data/mnist/train-images-idx3-ubyte.gz &&\
wget https://github.com/HIPS/hypergrad/raw/master/data/mnist/train-labels-idx1-ubyte.gz

【参考方案10】：

MNIST input_data 是内置的，它不是一个单独的模块，它在 Tensorflow 模块中，试试

from tensorflow.examples.tutorials.mnist import input_data

【参考方案11】：

MNIST 数据集包含在 tensorflow 示例教程中，如果我们想使用它：

导入 MNIST 数据以识别手写数字

from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("MNIST data", one_hot=True)

【参考方案12】：

删除线：

from tensorflow.examples.tutorials.mnist import input_data
fashion_mnist = input_data.read_data_sets('input/data',one_hot=True)

下面一行就足够了：

fashion_mnist = keras.datasets.fashion_mnist

请注意，如果数据集在 keras 内置的示例中不可用，这将下载数据集并解决问题。 :)

【参考方案13】：

如 TensorFlow 官网所示，所有 MNIST 数据都托管在 http://yann.lecun.com/exdb/mnist/

【参考方案14】：

对于2.0以上的Tensorflow API，使用MNIST数据集可以使用以下命令，

import tensorflow_datasets as tfds
data = tfds.load(name = "mnist")

【参考方案15】：

以下步骤在我的笔记本中完美运行：

第 1 步：从 github 获取 Python 文件： !git clone https://github.com/tensorflow/tensorflow.git

第 2 步：将这些文件附加到我的 Python 路径中：

import sys

sys.path.append('/content/tensorflow/tensorflow/examples/tutorials/mnist')

第 3 步：使用 'input_data' 函数加载 MNIST 数据

import input_data

mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)

就是这样！