TensonFlow第五章的学习，MNIST数据集介绍

最新推荐文章于 2026-06-17 22:13:19 发布

原创最新推荐文章于 2026-06-17 22:13:19 发布 · 122 阅读

0 ·

本内容遵循CC 4.0 BY-SA版权协议

标签

#学习

收录于

文章讲述了如何处理在运行TensorFlow教程时遇到的MNIST数据集下载问题，建议用户将MNIST数据手动下载并放置在特定文件夹（如MNIST_data），或者确保TensorFlow文件与数据在同一环境（envs）中。

有的电脑可以是网络问题，把这两端代码打进，

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

tensorflow文件放在envs里

MNIST数据集.py文件在

所以在路径（e:\tensorflow\）生成MNIST_data文件夹

程序运行下不了这四个文件

下载不了这四个文件，你可以自己手动下载

MNIST handwritten digit database, Yann LeCun, Corinna Cortes and Chris Burges

把这四个文件放在文件MNIST_data里，也是可以的。

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

bruceliangyong

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

TensorFlow入门教程：详细说明安装使用方法，可以帮助同学们了解如何进行深度学习

禅与计算机程序设计艺术

10-11

1077

深度学习是指基于大量的训练样本对神经网络的权重参数进行优化，使得模型能够自动提取出高级特征。它被广泛应用于图像、文本、语音等领域。Google推出了一个开源的深度学习平台——TensorFlow。它是一个适用于机器学习和深度学习的软件库。在2015年1月份，该平台发布并开源，目前已经成长为一个重要的研究平台，吸引了许多热衷于此的初创公司。自发布以来，TensorFlow被越来越多的人使用，深度学习已成为主流。本文就提供了一个简明扼要的TensorFlow入门教程，让大家快速上手TensorFlow。

【使用 TensorFlow 2】02/3 使用 Lambda 层创建自定义激活函数

gongdiwudu的专栏

10-10

3619

TensorFlow 2发布已经接近2年时间，不仅继承了Keras快速上手和易于使用的特性，同时还扩展了原有Keras所不支持的分布式训练的特性。3大设计原则：简化概念，海纳百川，构建生态.这是本系列的第三部分，我们将创建激活层并在 TensorFlow 2 中训练它们。

参与评论您还未登录，请先登录后发表或查看评论

解决tensorflow2不能导入mnist的input_data包问题

weixin_42036560的博客

03-13

3799

解决tensorflow2不能导入mnist的input_data包问题报错如下：找到jupyter的python环境我的环境是在anaconda安装目录下首先找到你的site-packages 在site-packages目录下找到tensorflow包所在位置（hotkey:切换英文输入，键盘按‘t’）我的目录如下：有的博主是这样：想办法找到tensorflow_core\examples文件夹我发下我并没有tensorflow_core这个文件夹！！！

【Tensorflow】TensorFlow实现CNN

小小小草儿的博客哟

01-18

707

框架：TensorFlow 数据集：MNIST 源码： import tensorflow as tf import pandas import numpy as np from tensorflow.examples.tutorials.mnist import input_data mnist = input_data.read_data_sets('mnist', one_hot...

基于土地管理问题：博弈论与系统动力学的综合学习与应用-第一章系统动力学的基本思想：系统、反馈与动态演化

最新发布

Ichliebedich2020的博客

06-17

336

本文系统阐述了从博弈论到系统动力学的学习路径，聚焦土地流转问题。博弈论用于分析农户、经营主体等微观主体的策略选择，而系统动力学则研究这些选择累积形成的宏观系统演化。文章详细解析了系统动力学的三大核心概念：系统（多要素相互联系的整体）、反馈（变量间的循环影响）和动态演化（随时间变化的过程），并以土地流转为例，具体分析了规模收益（正反馈）与租金成本（负反馈）等机制如何共同决定系统的长期发展趋势（持续增长、停滞或波动）。系统动力学通过揭示要素间的反馈结构，为理解土地管理等复杂社会问题提供了有力工具。

【论文学习】2026.5 || 分解式视觉-语言对齐用于细粒度开放词汇分割

m0_62969865的博客

06-14

552

本文提出了一种分解式视觉-语言对齐框架，用于解决细粒度开放词汇分割中的组合泛化问题。传统方法因将多属性文本提示整体编码而导致语义纠缠，难以泛化到未见过的属性-类别组合。该框架通过以下创新实现突破：(1) 显式分解文本提示为独立的概念标记和属性标记；(2) 引入特征门控交叉注意力模块，通过乘法融合强制组合语义；(3) 提出对数空间"与"评分策略，实现稳定的组合匹配。在UBC和PACO-LVIS数据集上的实验表明，该方法显著提升了对未见组合的泛化能力（UBC上未见AP从4.0提升到7.1）

K 近邻（KNN）：最简单的“懒惰“学习器

2603_95397518的博客

06-14

388

摘要： KNN（K近邻）是一种基于实例的“懒惰学习”算法，其核心思想是“物以类聚”——通过计算新样本与训练数据的距离，找到最近的K个邻居进行投票（分类）或取均值（回归）。KNN无需训练，但预测时需遍历所有数据，效率较低。其性能高度依赖距离度量（如欧氏距离、余弦相似度）、K值选择（需权衡偏差与方差）以及特征缩放（必须标准化）。KNN简单直观，但在高维数据中受“维度灾难”影响严重（点间距离趋同），且对噪声敏感。实际应用中需注意：优先选择奇数K值（3~15）、使用交叉验证调参、结合KD-Tree优化计算。KNN适

pwn自主学习

QCzblack的博客

06-15

257

先nc链接一下，发现什么命令都没有用，下载附件放到kali里面file查看一下再checksec一下看看是否有保护然后放到IDA中查看，发现了栈溢出，定义了16，读取了0x64ull=100发现bin/sh，查看一下找到溢出，后门编写exp运行后得到flag。

Docker 学习之路-从入门到放弃-Jenkins：4-1

qq_28183291的博客

06-17

289

首先总结一下，Jenkins 运行jar 服务，配置主要包括两部分：jdk 和 maven 以及gitlab或云存储平台（阿里云效）。jdk 如果可以选择自带的jdk版本。这里讲解的是没法选择自带java版本。如果没有找到，说明你这里没有给Jenkins账户配权限，可以切换成root账户查询。如果你的jar 不需要docker 、docker-compose ，则跳过。maven 配置自动安装一个版本即可。这个拉取代码时，需要验证。根据提示的路径，配置全局的配置即可。这里是对Jenkins配置的补充。

智能体设计模式：学习与适应 Learning & Adaptation

闵浮龙的博客

06-17

159

学习与适应，是 Agent 从“工具调用器”升级成“长期系统”的关键一步。它的核心不是让模型自由发挥，而是建立反馈闭环。能记录。能评估。能诊断。能更新。能验证。能回滚。做到这些，Agent 才能越用越稳，越跑越准。智能体设计模式：学习与适应 Learning & Adaptation：功能变化与行业影响解析_热闻岛。

电机驱动开发学习2. 直流无刷电机工作原理

猿来这样-谢厂节的博客

06-13

644

本文系统介绍了直流无刷电机（BLDC）的工作原理与控制方法。主要内容包括：电机分类与位置检测：根据反馈信号区分BLDC（方波）与PMSM（正弦波）位置检测方式分为有传感器（霍尔、磁编码器、光栅编码器）和无传感器两种有传感器方案特点：霍尔传感器：成本低但分辨率有限（60°电角度）磁编码器：连续高分辨率，适合FOC控制光栅编码器：最高精度，但抗污染能力弱无传感器控制方法：反电动势过零检测（BLDC）滑模观测器/卡尔曼滤波（PMSM）高频注入法（零速启动）无传感器启动技术：三段式启动：预

AI时代，我们该怎么学习？

qq_33525062的博客

06-17

264

AI时代的学习革命：从记忆知识到培养判断力在AI时代，学习方式正经历根本性转变。传统强调记忆和熟练的学习模式被颠覆，因为AI已成为最强大的信息存储和执行工具。学习重点应转向：1）提问能力而非记忆答案；2）跨界连接而非单科深耕；3）批判性思维而非被动接受。AI擅长执行层任务（信息整合、基础分析等），而人类优势在于判断层（价值评估、情感理解等）。建议采取：AI辅助学习、建立知识框架、即时实践应用、保持人性化特质等策略。最终，快速学习能力和将知识转化为行动的能力，才是AI时代最核心的竞争力。

从硬件中断到信号机制：打通操作系统异步底层的完整学习笔记

2402_89711598的博客

06-17

372

这篇文章系统梳理了操作系统底层异步机制的学习历程，形成完整知识闭环。主要内容包括：硬件中断机制中断是操作系统夺回CPU控制权的根基时钟中断作为系统"心跳"驱动调度特权级与地址空间实现安全隔离信号机制用户态"软中断"完整复刻硬件中断流程信号处理自动屏蔽防止递归 sigaction精细控制信号行为异步编程约束可重入函数是信号处理的硬性要求 volatile保证内存可见性典型应用如SIGCHLD回收子进程整个体系从硬件中断到用户态信号形成完美对应，所有

067、STM32项目分享：语音儿童学习书桌系统

qq_40891583的博客

06-15

647

本项目基于STM32F103C8T6单片机设计了一款智能儿童学习书桌系统，集成了温湿度检测（DHT11）、光照传感、超声波坐姿监测（HC-SR04）、人体感应（HC-SR501）等多种传感器。系统通过OLED屏实时显示环境数据，支持语音控制（模式切换/台灯控制/桌面调节）、APP远程监控（WIFI模块ESP8266）及自动调光功能。当检测到坐姿异常、温湿度超限或光照不足时，会触发声光报警（蜂鸣器+LED），并通过SG90舵机调节桌面高度。项目包含完整的硬件设计（原理图+PCB）、程序代码及实验演示视频

TI C2000 CLB 学习笔记（F28P550）

gscde的博客

06-14

264

概述F28P550CLB的结构、输入路由、子模块与配置要点，说明其可用于高速时序、保护和PWM增强。

STM32F103 学习笔记-24-I2C-读写EEPROM(第3节)-STM32的I2C框图详解

weixin_57913829的博客

06-14

365

本文详细介绍了STM32F103的I2C硬件外设。主要内容包括：1. 硬件I2C与软件模拟I2C的区别及优缺点对比；2. STM32F103的I2C外设架构，包含通讯引脚模块、时钟控制逻辑、数据控制逻辑和整体控制逻辑；3. I2C时钟频率计算方法，涵盖标准模式(100KHz)和快速模式(400KHz)；4. 标准库初始化流程及代码实现；5. 常见问题与避坑指南，重点强调GPIO模式配置和时钟频率设置要点。文章通过生活类比和寄存器分析，深入浅出地讲解了I2C硬件工作原理，为STM32开发者提供了实用的技术参考

工业互联网标识解析技术应用XR智慧实训室引领学习效率新跃升

恒点虚拟仿真官方博客

06-16

249

摘要：2025年教育部启动二期"双高建设计划"，聚焦产教融合新要求。针对工业互联网标识解析教学中"看不见、摸不着、难实践"的痛点，南京恒点推出XR智慧实训室解决方案，通过数字孪生教师和虚实融合的未来实训中心，构建标识解析全流程沉浸式实训体系。方案包含文化展厅、二级节点搭建系统及产品全生命周期追溯平台，以"理论+虚拟实操+场景应用"闭环教学突破传统实训局限，实现高危操作模拟、成本降低与学习效率跃升，为制造业数字化转型培养复合型人才。（149字）

Python入门学习2：Python 基础语法全解析——从代码结构到输入输出

Cupid_kl的博客

06-16

165

本文是Python编程基础教程，系统讲解了Python的代码规范与核心语法。主要内容包括：1）代码结构规则（缩进、注释、续行）；2）标识符命名规范与关键字；3）输入输出方法（input()和print()的高级用法）；4）灵活的赋值机制（链式/多重/增强赋值）。教程通过两个典型实验（数据运算和智能机器人）帮助初学者实践应用，强调动手练习的重要性。学习完可掌握Python基础语法、理解变量与对象关系，并能编写简单交互程序。特别提示编程需实际操练，在调试中成长。

学习创建结构行为设计模式

通达的博客

06-16

303

本文系统介绍了软件设计模式的三大类型（创建型、结构型、行为型）及其核心模式。重点讲解了创建型模式中的五种常用模式：简单工厂模式（封装对象创建逻辑）、工厂模式（支持多维度扩展）、抽象工厂模式（解决产品族兼容问题）、单例模式（全局唯一实例）和建造者模式（复杂对象构造）。每种模式都通过代码示例说明其核心思想、适用场景和优缺点，并强调设计原则（如开闭原则、单一职责原则）在模式设计中的重要性。

Tkinter库的学习记录-4

weixin_71243777的博客

06-16

263

介绍两个可以使用图形接口选取数值的Widget控件：Scale和Spinbox。