给我一段python代码展示如何创建一份新的数据集,并通过FOR循环累加将三份FashionMnist数据集汇总至该新的数据集中,形成一份新的数据集
时间: 2024-05-06 17:18:06 浏览: 14
好的,以下是一个示例代码,用于创建一个新的数据集并将三个 FashionMnist 数据集合并至该数据集中:
```python
import numpy as np
import tensorflow as tf
from tensorflow import keras
# 加载 FashionMnist 数据集
fashion_mnist = keras.datasets.fashion_mnist
# 将数据集划分为训练集和测试集
(train_images_1, train_labels_1), (test_images_1, test_labels_1) = fashion_mnist.load_data()
(train_images_2, train_labels_2), (test_images_2, test_labels_2) = fashion_mnist.load_data()
(train_images_3, train_labels_3), (test_images_3, test_labels_3) = fashion_mnist.load_data()
# 创建一个新的数据集
new_train_images = []
new_train_labels = []
# 将三个 FashionMnist 数据集中的图像和标签添加至新的数据集中
for i in range(len(train_images_1)):
new_train_images.append(train_images_1[i])
new_train_labels.append(train_labels_1[i])
for i in range(len(train_images_2)):
new_train_images.append(train_images_2[i])
new_train_labels.append(train_labels_2[i])
for i in range(len(train_images_3)):
new_train_images.append(train_images_3[i])
new_train_labels.append(train_labels_3[i])
# 将图像和标签转换为 NumPy 数组
new_train_images = np.array(new_train_images)
new_train_labels = np.array(new_train_labels)
# 打印新数据集的形状
print("New train images shape:", new_train_images.shape)
print("New train labels shape:", new_train_labels.shape)
```
在这个示例代码中,我们首先加载了三个 FashionMnist 数据集,并将它们分为训练集和测试集。然后,我们创建了一个新的数据集,并通过 for 循环将三个数据集中的图像和标签添加至该新数据集中。最后,我们将图像和标签转换为 NumPy 数组,并打印了新数据集的形状。
相关推荐
![gz](https://img-home.csdnimg.cn/images/20210720083447.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)