Python处理MINIST数据

最新推荐文章于 2024-04-09 19:36:00 发布

aitazhixin

最新推荐文章于 2024-04-09 19:36:00 发布

阅读量742

点赞数

CC 4.0 BY-SA版权

分类专栏： AI 文章标签： python LeNet5

本文链接：https://blog.youkuaiyun.com/aitazhixin/article/details/73122479

AI 专栏收录该内容

17 篇文章

订阅专栏

本文介绍了一种将MNIST图像数据集转换为适用于LeNet5卷积神经网络输入格式的方法。通过填充和重新排列像素，确保了每张图片能够适配模型的要求。此过程包括读取原始文件、解析头部信息及构建适合训练的图像数据。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

将MINIST图像数据处理成作为LeNet5模型输入数据的结构：

def __imprtImage(filename):
	filehandle = open(filename, 'rb')
	MSB = unpack(">I", filehandle.read(4))[0]
	imageNum = unpack(">I", filehandle.read(4))[0]
	imageRow = unpack(">I", filehandle.read(4))[0]
	imageCol = unpack(">I", filehandle.read(4))[0]
	imageData = filehandle.read()
	filehandle.close()
	
	imageDataArray = np.zeros((1, imageNum*32*32), np.uint8)

	padfile = open(filename+"pad", 'wb')
	for idx in range(imageNum) :
		imageElement = imageData[(imageRow*imageCol*idx) : (imageRow*imageCol*(idx+1))]
		for mdx in range(28):
			imageDataArray[0,(idx * 32*32 + (mdx+2)*32 + 2):(idx * 32*32 + (mdx+2)*32 + 30)] = list(imageElement[(mdx * imageCol): (mdx*imageCol+imageCol)])
		blist = bytes(list(imageDataArray[0,idx*32*32:(idx+1)*32*32]))
		padfile.write(blist)
	padfile.close()