Tensorflow实现简单图像探索

最新推荐文章于 2019-04-01 11:50:45 发布

转载最新推荐文章于 2019-04-01 11:50:45 发布 · 1.7k 阅读

文章标签：

#Tensor flow

深度学习，python 专栏收录该内容

1 篇文章

订阅专栏

本文介绍如何使用Python 2.6版本下的scipy.io库加载Stanford SVHN（Street View House Numbers）数据集，并进行必要的数据预处理步骤，包括数据重组、归一化以及标签的one-hot编码。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

数据采用斯坦福SVHN数据集（The Street View HouseNumbers Dataset）。

下载地址：http://ufldl.stanford.edu/housenumbers/

数据集名 train_32x32.mat, test_32x32.mat

格式为MATLAB文件，可从scipy.io中import loadmat读取，这里Python2.6版本。下面为具体代码

#! usr/bin/python

#coding=utf-8

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import tensorflow as tf

from scipy.io import loadmat as load

train= load('/Users/zhiren1111/Desktop/train_32x32.mat')
test= load('/Users/zhiren1111/Desktop/test_32x32.mat')


def reformat(samples,labels):
    new=np.transpose(samples,(3,0,1,2)).astype(np.float64)
    labels=np.array(list(x[0] for x in labels))
    one_hot_labels=[]
    for num in labels:
        one_hot=[0.0]*10
        if num==10:
            one_hot[0]=1.0
        else:
            one_hot[num]=1.0
        one_hot_labels.append(one_hot)

        labels=np.array(one_hot_labels).astype(np.float64)
        return new ,labels
def renormarize(samples):
    a=np.add.reduce(samples,keepdims=True,axis=3)
    a=a/3.0
    return a/128.0-1.0



def inspect(dataset,labels,i):
    if dataset.shape[3]==1:
        shape=dataset.shape
        dataset=dataset.reshape(shape[0],shape[1],shape[2])
    plt.imshow(dataset[i])
    plt.show()



train_samples=train["X"]

train_labels=train["y"]


_train_samples,_train_labels=reformat(train_samples,train_labels)




_train_samples=renormarize(_train_samples)

inspect(_train_samples,_train_labels,1)

本篇文章完全参考t天空下的斌的文章，只是把测试环境从python3.x换成python2.x

详细链接如下

http://blog.youkuaiyun.com/a595130080/article/details/64440464