※ 引述《z115988 (Lee)》之銘言：
: 目前還只是對tensorflow似懂非懂狀態
: 藉此篇想延伸發問一下
: : 比方說我想要辨識一張椅子，我想要知道的就只有他是椅子的機率。
: : 當我測試圖片為一張椅子時，他就跟我說這是一張椅子。
: : 當我測試圖片為其他東西(比方說一個人或一個水壺)的時候，他就跟我說這不是一張椅子
: : 。
: : 請問這樣子模型要如何訓練呢？爬了許多文找不到相關的討論，懇請各位給我關鍵字。謝
: : 謝！
: 由tensorflow網站看到CNN教學是以MNIST為範例
: 這似乎是把一群資料壓縮成一種檔案(格式?)
: 於是我想嘗試把我的資料集套用在此範例的CNN來玩看看
: (假設我的資料與範例一樣是二維的)
: 不知道普遍上資料集格式大家都是怎樣做的?
: 我的認知是
: 1.應該會有人使用一張一張圖片放進去讀
: 2.也有人像範例一樣製作成一個檔案進行讀取
: 這兩種方法優劣如何?
: 想請問前輩這兩種的詳細作法是如何
: 或是有那些文章可以參考
tensorflow 的範例裡面 MNIST 資料處理有包括 download dataset, extract images,
extract labels, 對 label 作 one-hot-encoding, 處理 batch ...
你如果要處理自己的檔案，可以參考 tensorflow input pipeline
https://www.tensorflow.org/api_guides/python/reading_data
另外，training 的時候，都會使用 batch 方式去 train model，不會一筆資料一
筆資料去 train (除非使用 batch 的時候，memory 不夠)。batch 處理速度會快很
多，通常效果也可能好一些。
如果只是要做簡單的 model，你也可以使用 Keras，會精簡很多