mnist数据集转换为图片+测试手写字的demo

最新推荐文章于 2025-10-13 19:22:00 发布

原创最新推荐文章于 2025-10-13 19:22:00 发布 · 4.2k 阅读

8 ·

CC 4.0 BY-SA版权

文章标签：

#mnist

深度学习专栏收录该内容

4 篇文章

订阅专栏

本文介绍使用Caffe框架对MNIST数据集的手写数字进行识别的方法。文章详细阐述了预处理步骤，包括图片格式的要求及如何加载训练好的模型进行预测。此外，还提供了将MNIST样本转换为合适格式的示例代码。

部署运行你感兴趣的模型镜像

mnist手写测试
本文主要参考《caffe-之经典模型详解与实战》
目标：用手写的数字输入到网络进行分类识别。
要求：
（1）图片必须是256位黑白色
（2）黑底白字
（3）像素大小为28*28
（4）数字要在图片的中间

以下是代码部分

#import os
import sys
#import numpy as np
#import matplotlib.pyplot as plt
import caffe
caffe_root = '/home/chrisd/caffe/'
sys.path.insert(0,caffe_root+'python')
MODEL_FILE ='/home/chrisd/caffe/examples/mnist/lenet.prototxt'
PRETRAINED ='/home/chrisd/caffe/examples/mnist/lenet_iter_10000.caffemodel'
IMAGE_FILE ='/home/chrisd/caffe/examples/mnist/images/train_33.bmp'
input_image=caffe.io.load_image(IMAGE_FILE,color=False)

#print input_image
net =caffe.Classifier(MODEL_FILE,PRETRAINED)
prediction=net.predict([input_image],oversample=False)
caffe.set_mode_cpu()
print 'predicted class:', prediction[0].argmax()

待测试图片：
这里写图片描述

实验结果：
这里写图片描述

mnist样本库的图片转换
代码如下：

import struct
import numpy as np
#import matplotlib.pyplot as plt
import PIL.Image

filename='/home/chrisd/caffe/data/mnist/train-images-idx3-ubyte'
binfile=open(filename,'rb')
buf=binfile.read()
index=0
magic,numImages,numRows,numColumns=struct.unpack_from('>IIII',buf,index)
index+=struct.calcsize('>IIII')
for image in range(0,numImages):
    im=struct.unpack_from('>784B',buf,index)
    index+=struct.calcsize('>784B')
    im=np.array(im,dtype='uint8')
    im=im.reshape(28,28)
    im=PIL.Image.fromarray(im)
    im.save('mnist_train/train_%s.bmp'%image,'bmp')