神圣而初级的数据集MNIST和图像展示

最新推荐文章于 2022-08-17 11:59:52 发布

原创最新推荐文章于 2022-08-17 11:59:52 发布 · 304 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #tensorflow

心得碎语专栏收录该内容

5 篇文章

订阅专栏

本文介绍了使用MNIST数据集进行机器学习入门的实践过程，包括数据加载、基本属性查看及手写数字图像可视化，适合初学者快速上手。

入门级的数据集之所以是MNIST，不仅仅因为他是显而易见的分类，并且分类数量少，很小的图片就能表达出准确的特征（也就是不用为了跑个基础试验下载上百兆数据），一起都是为了零基础。

不过最近好像作者的连接（因为疫情下的中美关系？？），始终访问不了，如果有人也下载不下来，那么欢迎猛戳这里（我2年前下载的）

# -*-coding:utf-8 -*-tensorflow 1.4.0-
import tensorflow as tf
import matplotlib.pyplot as plt
from tensorflow.examples.tutorials.mnist import input_data

mnist = input_data.read_data_sets("path/MNIST_data", one_hot=True)

print 'Training data size: ', mnist.train.num_examples
print 'Validation data size: ', mnist.validation.num_examples
print 'example of training data: ', mnist.train.images[0]
print 'label of the training data: ', mnist.train.labels[0]

代码和简单，就是看到底是咋样的数据，在控制台输出了一堆的浮点数值后，我想能不能展示一下呀，于是乎就百度了下面的被注释掉的代码，后来想想，原来就3行就可以实现了。

for i in xrange(4):
    plt.subplot(2, 2, i+1), plt.imshow(mnist.train.images[i].reshape(28, 28), 'gray')
plt.show()

# image0 = mnist.train.images[0].reshape(28, 28)
# image1 = mnist.train.images[1].reshape(28, 28)
# image2 = mnist.train.images[2].reshape(28, 28)
# image3 = mnist.train.images[3].reshape(28, 28)

# fig = plt.figure(figsize=(10,10))
# ax0 = plt.add_subplot(221)
# ax1 = plt.add_subplot(222)
# ax2 = plt.add_subplot(223)
# ax3 = fig.add_subplot(224)

# # show image
# ax0.imshow(image0)
# ax1.imshow(image1)
# ax2.imshow(image2)
# ax3.imshow(image3)
# fig.show()