神经网络与深度学习——TensorFlow2.0（数字图像基础实验2）

最新推荐文章于 2024-06-22 19:13:31 发布

原创最新推荐文章于 2024-06-22 19:13:31 发布 · 568 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#神经网络 #python #深度学习

本文介绍了一种使用Python和TensorFlow库随机显示MNIST手写数字数据集中的16幅测试集图像的方法。通过将数据加载到NumPy数组中，随机选择图像并将其按4x4布局排列在一张画布上，每个图像配有其对应的标签值作为子标题，展示了MNIST测试集样本的直观视图。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

按下列要求完成程序，随机显示MNIST数据集中的样本，效果如图1所示。
在这里插入图片描述

                                                         图1

要求：
(1)下载手写数字数据集，读取训练集和测试集数据，放在NumPy数组train_x、train_y、test_x、test_y中；（train_x：训练集图像，train_y：训练集标签，test_x：测试集图像，test_y：测试集标签）
(2)随机从所有测试集数据中显示16幅数字图像；
(3)16幅图像按照4×4方式排列在一张画布中，每幅图像的子标题为该图像的标签值，字体大小为14，全局标题为“MNIST测试集样本”，字体大小为20，颜色为红色。

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

plt.rcParams["font.sans-serif"] = "SimHei"

# 下载手写数字数据集，读取训练集和测试集数据
mnist = tf.keras.datasets.mnist
# 放在NumPy数组train_x、train_y、test_x、test_y中
(train_x, train_y), (test_x, test_y) = mnist.load_data()

# 随机从所有测试集数据中显示16幅数字图像；
for i in range(16):
    num = np.random.randint(1, 50000)

# 16幅图像按照4×4方式排列在一张画布中，每幅图像的子标题为该图像的标签值，字体大小为14，
    plt.subplot(4, 4, i + 1)
    plt.axis("off")
    plt.imshow(train_x[num], cmap='gray')
    plt.title(("标签值"+str(train_y[num])), fontsize=14)

# 全局标题为“MNIST测试集样本”，字体大小为20，颜色为红色。
plt.suptitle("MNIST测试集样本", fontsize=20, color="red")

plt.tight_layout(rect = [0,0,1,0.9])

plt.show()