keras_11_keras中示例数据集

1. CIFAR10 小图像分类数据集

• 50,000 张 32x32 彩色训练图像数据，以及 10,000 张测试图像数据，总共分为 10 个类别。

  from keras.datasets import cifar10
  (x_train, y_train), (x_test, y_test) = cifar10.load_data()
  # x_train, x_test: uint8 数组表示的 RGB 图像数据，尺寸为 (num_samples, 3, 32, 32)。
  # y_train, y_test: uint8 数组表示的类别标签（范围在 0-9 之间的整数），尺寸为 (num_samples,)。
  

2. CIFAR100 小图像分类数据集

• 50,000 张 32x32 彩色训练图像数据，以及 10,000 张测试图像数据，总共分为 100 个类别。

  from keras.datasets import cifar100
  (x_train, y_train), (x_test, y_test) = cifar100.load_data(label_mode='fine')
  # label_mode: "fine" 或者 "coarse" # fine 精美的，coarse粗糙的
  

3. IMDB 电影评论情感分类数据集

• 数据集来自 IMDB 的 25,000 条电影评论，以情绪（正面/负面）标记。每一条评论已经过预处理，并编码为词索引（整数）的序列表示。为了方便起见，将词按数据集中出现的频率进行索引，例如整数 3 编码数据中第三个最频繁的词。这允许快速筛选操作，例如：「只考虑前 10,000 个最常用的词，但排除前 20 个最常见的词」。作为惯例，0 不代表特定的单词，而是被用于编码任何未知单词。

  from keras.datasets import imdb
  
  (x_train, y_train), (x_test, y_test) = imdb.load_data(path="imdb.npz",
                                                        num_words=None,
                                                        skip_top=0, 
                                                        maxlen=None,
                                                        seed=113,
                                                        start_char=1,
                                                        oov_char=2,
                                                        index_from=3)
  

4. 路透社新闻主题分类

• 数据集来源于路透社的 11,228 条新闻文本，总共分为 46 个主题。与 IMDB 数据集一样，每条新闻都被编码为一个词索引的序列（相同的约定）。

  from keras.datasets import reuters
  
  (x_train, y_train), (x_test, y_test) = reuters.load_data(path="reuters.npz",
                                                           num_words=None,
                                                           skip_top=0,
                                                           maxlen=None,
                                                           test_split=0.2,
                                                           seed=113,
                                                           start_char=1,
                                                           oov_char=2,
                                                           index_from=3)
  

• 规格与 IMDB 数据集的规格相同，但增加了：test_split: 浮点型。用作测试集的数据比例。该数据集还提供了用于编码序列的词索引：

  word_index = reuters.get_word_index(path="reuters_word_index.json")
  

5. MNIST 手写字符数据集

• 训练集为 60,000 张 28x28 像素灰度图像，测试集为 10,000 同规格图像，总共 10 类数字标签。

  from keras.datasets import mnist
  (x_train, y_train), (x_test, y_test) = mnist.load_data(path)
  # x_train, x_test: uint8 数组表示的灰度图像，尺寸为 (num_samples, 28, 28)。
  # y_train, y_test: uint8 数组表示的数字标签（范围在 0-9 之间的整数），尺寸为 (num_samples,)。
  # 下载Dataset到本地，默认是'~/.keras/datasets/' + path，默认会自动扫描这个~/.keras/dataset路径，如果path为空的话
  

6. Fashion-MNIST 时尚物品数据集

• 训练集为 60,000 张 28x28 像素灰度图像，测试集为 10,000 同规格图像，总共 10 类时尚物品标签。该数据集可以用作 MNIST 的直接替代品。类别标签是：

  类别	描述	中文
  0	T-shirt/top	T恤/上衣
  1	Trouser	裤子
  2	Pullover	套头衫
  3	Dress	连衣裙
  4	Coat	外套
  5	Sandal	凉鞋
  6	Shirt	衬衫
  7	Sneaker	运动鞋
  8	Bag	背包
  9	Ankle boot	短靴

from keras.datasets import fashion_mnist
(x_train, y_train), (x_test, y_test) = fashion_mnist.load_data()

7. Boston 房价回归数据集

• 数据集来自卡内基梅隆大学维护的 StatLib 库。样本包含 1970 年代的在波士顿郊区不同位置的房屋信息，总共有 13 种房屋属性。 目标值是一个位置的房屋的中值（单位：k$）。

from keras.datasets import boston_housing
(x_train, y_train), (x_test, y_test) = boston_housing.load_data()