**Keras 数据集详解** Keras 是一个高度模块化、用户友好的深度学习库，它在 Python 中运行，可以作为 TensorFlow、Theano 和 CNTK 的后端。Keras 提供了许多内置的数据集，便于研究人员和开发者快速进行实验。本篇文章将主要探讨两个在 Keras 中常用的数据集：MNIST 和 IMDB。 **MNIST 数据集** MNIST（Modified National Institute of Standards and Technology）是手写数字识别的经典数据集，广泛用于训练和测试机器学习模型，特别是图像分类任务。该数据集包含60,000个训练样本和10,000个测试样本，每个样本都是28x28像素的灰度图像，对应于0到9的十个数字。在 Keras 中，可以使用 `keras.datasets.mnist.load_data()` 函数来加载 MNIST 数据集。这个函数会返回一个元组，包含训练和测试数据的图像和对应的标签。 ```python from keras.datasets import mnist (x_train, y_train), (x_test, y_test) = mnist.load_data() ``` 数据加载后，通常需要对图像进行预处理，例如归一化（将像素值从0-255缩放到0-1之间）和展平（将二维图像转换为一维向量）。 **IMDB 数据集** IMDB 数据集是另一个 Keras 内置的数据集，用于情感分析任务，即判断电影评论是否正面。该数据集包含了50,000条电影评论，其中25,000条用于训练，25,000条用于测试。每条评论都被标记为正面（positive，1）或负面（negative，0）。数据集中的文本已经进行了预处理，包括去除HTML标签、停用词和标点符号，以及将词汇表中的单词编号。在 Keras 中，可以使用 `keras.datasets.imdb.load_data()` 函数获取 IMDB 数据集。 ```python from keras.datasets import imdb (x_train, y_train), (x_test, y_test) = imdb.load_data() ``` 这里的 `x` 是评论的词序列，而 `y` 是相应的标签。由于模型处理的是固定长度的输入，通常需要对评论进行截断或填充以达到相同的长度。 **数据加载的注意事项** 在实际使用中，`mnist.npz` 和 `imdb.npz` 文件可能是为了节省存储空间和加快加载速度而压缩的版本。在解压后，可以通过 NumPy 的 `load()` 函数读取这些 `.npz` 文件，它们包含了多个数组数据。 ```python import numpy as np data = np.load('mnist.npz') # 或者 data = np.load('imdb.npz') ``` 解压后的 `MNIST.rar` 文件可能包含原始的 MNIST 图像文件，这些文件通常以 `.gz` 格式压缩。`.gz` 文件需要先解压再处理。 Keras 提供的 MNIST 和 IMDB 数据集是深度学习入门和实验的重要资源。它们覆盖了图像识别和自然语言处理两大领域，帮助开发者快速构建和评估模型，推动AI技术的发展。

Keras用IMDB数据源(imdb.npz + imdb_word_index.json) from tensorflow.keras.datasets import imdb (train_data, train_labels), (test_data, test_labels) = imdb.load_data(num_words=10000) # word_index is a dictionary mapping words to an integer index word_index = imdb.get_word_index() # We reverse it, mapping integer indices to words reverse_word_index = dict([(value, key) for (key, value) in word_index.items()]) # We decode the review; note that our indices were offset by 3 # because 0, 1 and 2 are reserved indices for "padding", "start of sequence", and "unknown". decoded_review = ' '.join([reverse_word_index.get(i - 3, '?') for i in train_data[0]])

将下载好的imdb.npz文件放在主目录下的 .keras/datasets文件夹下即可（用于tensorflow学习）

1.mnist数据集：整个数据集由来自 250 个不同人手写的数字构成，其中 50%是高中学生, 50% 来自人口普查局的工作人员。训练集：60000，测试集：10000 2.imdb数据集：这数据集包含了50000条偏向明显的评论，其中25000条作为训练集，25000作为测试集。label为pos(positive)和neg(negative)。 3.boston_housing数据集：数据来自1970年代，波斯顿周边地区的房价，是用于机器学习的经典数据集。该数据集很小，共计506条数据，分为404个训练样本和102个测试样本。 4.cifar-10数据集：CIFAR-10数据集由10个类的60000个32x32彩色图像组成，每个类有6000个图像。有50000个训练图像和10000个测试图像。 数据集分为五个训练批次和一个测试批次，每个批次有10000个图像。测试批次包含来自每个类别的恰好1000个随机选择的图像。训练批次以随机顺序包含剩余图像，但一些训练批次可能包含来自一个类别的图像比另一个更多。总体来说，五个训练集之和包含来自每个类的正好5000张图像。

Keras用IMDB数据源(imdb.npz + imdb_word_index.json)

包含文件 imdb.npz imdb_word_index.json 互联网电影资料库（Internet Movie Database，简称IMDb）是一个关于电影演员、电影、电视节目、电视明星和电影制作的在线数据库。

imdb.npz 电影评论数据集 当我们按照教程书籍里面的代码试验时，往往会出现数据集下载失败的问题. 执行 (train_data, train_labels), (test_data, test_labels) = imdb.load_data(num_words=10000) 出现Downloading data from https://s3.amazonaws.com/text-datasets/imdb.npz，网络连接失败。 此时，将下载好的imdb.npz文件放在主目录下的 .keras/datasets文件夹下即可。

包含Keras数据集: imdb.npz/reuters.npz/boston_housing.npz

keras的数据集 from keras.datasets import imdb (x_train, y_train), (x_test, y_test) = imdb.load_data(num_words=20000)

Keras内置的互联网电影数据库（IMDB）数据集，包含50000条评论。