如何从mnist.load_data（）中选择所需的训练样本

Question

这里是机器学习的新手。我正在尝试训练1000对训练数据和500对测试数据，而不是整个数据集。但是，我得到了错误：

“” ValueError：检查目标时出错：预期activation_24具有形状（10，），但数组的形状为（1，）“]

这是我与数据有关的代码的一部分：

# load data
(X_train, y_train), (X_test, y_test) = mnist.load_data()

X_train = X_train / 255
X_test = X_test / 255

X_train = X_train.reshape(-1,1,28,28) 
X_train = X_train[:1000,:,:]
X_test = X_test[:500,:,:]


y_train = y_train[:1000]
y_test  = y_test[:500]

X_test = np.array(X_test)
X_test = X_test.reshape(-1,1,28,28) 

print('X_train shape: ',X_train.shape)
print('X_test shape: ',np.shape(X_test ))
print('y_train shape: ',y_train.shape)
print('y_test shape: ',np.shape(y_test ))

输出：

X火车形状：（1000、1、28、28）X_test形状：（500、1、28、28）y_train形状：（1000，）y_test形状：（500，）

我在此正确吗？还有其他方法可以实现目标吗？在此先感谢

Answer 1

只需从训练集中获取1000个，从测试集中获取500个，仅此而已：

X_train = X_train[:1000].reshape(1000,28,28,1)
y_train = y_train[:1000].reshape(1000,1)

X_test = X_test[:500].reshape(500,28,28,1)
y_test = y_test[:500].reshape(500,1)

Keras默认使用最后一个频道，因此（批号28、28、1）。对于y，数据的形状需要从（batch，）变为（batch，1）。您也可以使用[：batch]从第一个维度获取元素，然后在同一行上进行重塑。

Answer 2

X_train不应为形状（1000、1、28、28）。

使用Keras的“ channels_last”格式，您的数据形状应为（批量x高度x宽度x通道）等于（1000,28,28,1）。

查看此示例：https://keras.io/examples/mnist_cnn/