如何创建 Cifar-10 子集？

Question

我想用更少的训练数据样本来训练一个深度神经网络，以减少测试我的代码的时间。 我想知道如何使用 Keras TensorFlow 对 Cifar-10 数据集进行子集化。我有以下代码，用于训练 Cifar-10 完整数据集。

#load and prepare data
if WhichDataSet == 'CIFAR10':
    (x_train, y_train), (x_test, y_test) = tensorflow.keras.datasets.cifar10.load_data()
else:
    (x_train, y_train), (x_test, y_test) = tensorflow.keras.datasets.cifar100.load_data()
num_classes = np.unique(y_train).shape[0]
K_train = x_train.shape[0]
input_shape = x_train.shape[1:]
x_train = x_train.astype('float32')
x_test = x_test.astype('float32')
y_train = tensorflow.keras.utils.to_categorical(y_train, num_classes)
y_test = tensorflow.keras.utils.to_categorical(y_test, num_classes)

Answer 1

使用 pandas 模块创建数据帧并相应地对其进行采样。

import pandas as pd
(train_images1, train_labels), (test_images1, test_labels) = datasets.cifar10.load_data()

# Normalize pixel values to be between 0 and 1
train_images, test_images = train_images1 / 255.0, test_images1 / 255.0

#creating the validation set from the training set
df = pd.DataFrame(list(zip(train_images, train_labels)), columns =['Image', 'label']) 
val = df.sample(frac=0.2)
X_train = np.array([ i for i in list(val['Image'])])
y_train = np.array([ [i[0]] for i in list(val['label'])])

行val = df.sample(frac=0.2)从总数据的 0.20% 中采样。

如果您想要特定数量的数据记录，您可以使用val = df.sample(n=5000) ，方法是相应地设置n值。

如果您希望每次运行代码时都获得相同的结果，则可以使用random_state = 0 。 例如：

val = df.sample(n=5000,random_state = 0)

Answer 2

根据标签创建子集

创建不包括少数标签的数据集子集。 例如，要创建一个只有前五个 class 标签的新火车数据集，您可以使用以下代码

subset_x_train = x_train[np.isin(y_train, [0,1,2,3,4]).flatten()]
subset_y_train = y_train[np.isin(y_train, [0,1,2,3,4]).flatten()]

不考虑标签创建子集

要创建 10% 的训练数据子集，您可以使用以下代码

# Shuffle first (optional)
idx = np.arange(len(x_train))
np.random.shuffle(idx)

# get first 10% of data
subset_x_train = x_train[:int(.10*len(idx))]
subset_y_train = y_train[:int(.10*len(idx))]

对x_test和y_test重复相同的操作以获取测试数据的子集。