python – 错误：来自tensorflow.examples.tutorials.mnist import input_data

weixin_38056080 2019-09-12 01:27:47

我的环境如下： * Windows 7, 64 bit * Anaconda Navigator 1.8.7 * python 3.6.5 * tensorflow 1.8.0 在python中,我键入： import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data 我得到的错误如下： >>> from tensorflow.examples.tutorials.mnist import input_data Traceback (most recent call last): File "<stdin>", line 1, in <module> File "E:\Anaconda3\envs\opencv\lib\site-packages\tensorflow\examples\tutorials\mnist\__init__.py", line 21, in <module> from tensorflow.examples.tutorials.mnist import input_data File "E:\Anaconda3\envs\opencv\lib\site-packages\tensorflow\examples\tutorials\mnist\input_data.py", line 30, in <module> from tensorflow.contrib.learn.python.learn.datasets.mnist import read_data_sets File "E:\Anaconda3\envs\opencv\lib\site-packages\tensorflow\contrib\__init__.py", line 34, in <module> from tensorflow.contrib import data File "E:\Anaconda3\envs\opencv\lib\site-packages\tensorflow\contrib\data\__init__.py", line 67, in <module> from tensorflow.contrib.data.python.ops.error_ops import ignore_errors File "E:\Anaconda3\envs\opencv\lib\site-packages\tensorflow\contrib\data\python\ops\error_ops.py", line 20, in <module> from tensorflow.contrib.data.python.ops import contrib_op_loader # pylint: disable=unused-import File "E:\Anaconda3\envs\opencv\lib\site-packages\tensorflow\contrib\data\python\ops\contrib_op_loader.py", line 24, in <module> resource_loader.get_path_to_datafile("../../_dataset_ops.so")) File "E:\Anaconda3\envs\opencv\lib\site-packages\tensorflow\contrib\util\loader.py", line 56, in load_op_library ret = load_library.load_op_library(path) File "E:\Anaconda3\envs\opencv\lib\site-packages\tensorflow\python\framework\load_library.py", line 56, in load_op_library lib_handle = py_tf.TF_LoadLibrary(library_filename) tensorflow.python.framework.errors_impl.NotFoundError: E:\Anaconda3\envs\opencv\lib\site-packages\tensorflow\contrib\data\python\ops\..\..\_dataset_ops.so not found >>> 它还弹出一个窗口说： The procedure entry point ?addcleanup@arenaimpl@internal@protobuf@google@@QEAAXPEAXP6AX0@Z@Z could not be located in the dynamic link library _pywarp_tensorflow_internal.pyd 请帮忙.非常感谢你提前. 温馨问候,Suryadi

...全文

1126 1 打赏收藏转发到动态举报

写回复

1 条回复

切换为时间正序

请发表友善的回复…

发表回复

weixin_38067646 2019-09-12

打赏
举报

回复

tensorflow.examples.tutorials.mnist和tf.contrib.learn.datasets.load_dataset(‘mnist’)都抛弃了已弃用的警告.您可以通过keras数据集加载： (x_train, y_train), (x_test, y_test) = tf.keras.datasets.mnist.load_data(). 您可以在此查看如何加载mnist并将其用于培训：How to load MNIST via TensorFlow (including download)?.

本文实例讲述了Python利用逻辑回归模型解决MNIST手写数字识别问题。分享给大家供大家参考，具体如下： 1、MNIST手写识别问题 MNIST手写数字识别问题：输入黑白的手写阿拉伯数字，通过机器学习判断输入的是几。可以通过TensorFLow下载MNIST手写数据集，通过import引入MNIST数据集并进行读取，会自动从网上下载所需文件。 %matplotlib inline import tensorflow as tf import tensorflow.examples.tutorials.mnist.input_data as input_data mnist=input_da

利用tensorflow实现的卷积神经网络来进行MNIST手写数字图像的分类。 #导入numpy模块 import numpy as np #导入tensorflow模块，程序使用tensorflow来实现卷积神经网络 import tensorflow as tf #下载mnist数据集，并从mnist_data目录中读取数据 from tensorflow.examples.tutorials.mnist import input_data mnist = input_data.read_data_sets('mnist_data',one_hot=True) #（1）这里的“mnist_data” 是和当前文件相同目录下的一个文件夹。自己先手工建立这个文件夹，然后从https://yann.lecun.com/exdb/mnist/ 下载所需的4个文件（即该网址中第三段“Four files are available on this site:”后面的四个文件），并放到目录MNIST_data下即可。 #（2）MNIST数据集是手写数字字符的数据集。每个样本都是一张28*28像素的灰度手写数字图片。 #（3）one_hot表示独热编码，其值被设为true。在分类问题的数据集标注时，如何不采用独热编码的方式，类别通常就是一个符号而已，比如说是9。但如果采用独热编码的方式，则每个类表示为一个列表list，共计有10个数值，但只有一个为1，其余均为0。例如，“9”的独热编码可以为[00000 00001]. #定义输入数据x和输出y的形状。函数tf.placeholder的目的是定义输入，可以理解为采用占位符进行占位。 #None这个位置的参数在这里被用于表示样本的个数，而由于样本个数此时具体是多少还无法确定，所以这设为None。而每个输入样本的特征数目是确定的，即为28*28。 input_x = tf.placeholder(tf.float32,[None,28*28])/255 #因为每个像素的取值范围是 0～255 output_y = tf.placeholder(tf.int32,[None,10]) #10表示10个类别 #输入层的输入数据input_x被reshape成四维数据，其中第一维的数据代表了图片数量 input_x_images = tf.reshape(input_x,[-1,28,28,1]) test_x = mnist.test.images[:3000] #读取测试集图片的特征，读取3000个图片 test_y = mnist.test.labels[:3000] #读取测试集图片的标签。就是这3000个图片所对应的标签

解决问题： import tensorflow.examples.tutorials.mnist.input_data as input_data ModuleNotFoundError: No module named 'tensorflow.examples.tutorials'

利用tensorflow实现的卷积神经网络来进行MNIST手写数字图像的分类。 #导入numpy模块 import numpy as np #导入tensorflow模块，程序使用tensorflow来实现卷积神经网络 import tensorflow as tf #下载mnist数据集，并从mnist_data目录中读取数据 from tensorflow.examples.tutorials.mnist import input_data mnist = input_data.read_data_sets('mnist_data',one_hot=True) #（1）这里的“mnist_data” 是和当前文件相同目录下的一个文件夹。自己先手工建立这个文件夹，然后从https://yann.lecun.com/exdb/mnist/ 下载所需的4个文件（即该网址中第三段“Four files are available on this site:”后面的四个文件），并放到目录MNIST_data下即可。 #（2）MNIST数据集是手写数字字符的数据集。每个样本都是一张28*28像素的灰度手写数字图片。 #（3）one_hot表示独热编码，其值被设为true。在分类问题的数据集标注时，如何不采用独热编码的方式，类别通常就是一个符号而已，比如说是9。但如果采用独热编码的方式，则每个类表示为一个列表list，共计有10个数值，但只有一个为1，其余均为0。例如，“9”的独热编码可以为[00000 00001]. #定义输入数据x和输出y的形状。函数tf.placeholder的目的是定义输入，可以理解为采用占位符进行占位。 #None这个位置的参数在这里被用于表示样本的个数，而由于样本个数此时具体是多少还无法确定，所以这设为None。而每个输入样本的特征数目是确定的，即为28*28。 input_x = tf.placeholder(tf.float32,[None,28*28])/255 #因为每个像素的取值范围是 0～255 output_y = tf.placeholder(tf.int32,[None,10]) #10表示10个类别 #输入层的输入数据input_x被reshape成四维数据，其中第一维的数据代表了图片数量 input_x_images = tf.reshape(input_x,[-1,28,28,1]) test_x = mnist.test.images[:3000] #读取测试集图片的特征，读取3000个图片 test_y = mnist.test.labels[:3000] #读取测试集图片的标签。就是这3000个图片所对应的标签

MNITS_data 下载保存在本地，一定不要解压！不要解压！不要解压！因为input_data读取的是压缩包 >>>import tensorflow as tf >>>from tensorflow.examples.tutorials.mnist import input_data >>>input_data.read_data_stes("/home/wd/MNIST_data",one_hot=True) WARNING:tensorflow:From :1: read_data_sets (from tensorflow.contrib.learn.python.l

其他技术讨论专区

433

社区成员

791,270

社区内容

发帖

与我相关

我的任务

其他技术论坛（原bbs）

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章