如何从 Keras 提供的 MNIST 数据集中只选择特定数量的样本？

Question

我目前正在使用 Keras 在 MNIST 数据集上训练卷积神经网络。 我正在使用格式加载数据集

(X_train, Y_train), (X_test, Y_test) = mnist.load_data()

但是为了减少对所有数据的迭代，我只想从每个 0-9 类中为X_train选择前 10000 个样本，类似地从Y_train 。 我怎样才能做到这一点？

Answer 1

MNIST 数据集说它返回：

Return:

    2 tuples:
        X_train, X_test: uint8 array of grayscale image data with shape (nb_samples, 28, 28).
        y_train, y_test: uint8 array of digit labels (integers in range 0-9) with shape (nb_samples,).

所以你只需要切片你想保留的部分。 我相信 pandas/numpy 的语法类似于：

X_train = X_train[:10000,:,:]
X_test = X_test[:10000,:,:]
y_train = y_train[:10000]
y_test  = y_test[:10000]

Answer 2

from keras.datasets import mnist

(x_train, y_train), (x_test, y_test) = mnist.load_data()

x_train = x_train[:1000,:,:]
x_test = x_test[:500,:,:]
y_train = y_train[:1000]
y_test  = y_test[:500]


print(len(x_train))
print(len(y_train))
print(len(x_test))
print(len(y_test))

＃输出

> 1000 
> 1000 
> 500 
> 500