mnist 對應的所有的函式格式

2021-08-20 22:45:40 字數 2021 閱讀 7459

我們都知道tensorflow自帶的mnist庫,那麼這個庫裡面的檔案是以什麼形式儲存的呢?我們該怎麼把mnist裡面資料轉化成影象呢?首先看mnist資料格式

[python] 

view plain

copy

from

tensorflow.examples.tutorials.mnist 

import

input_data  

mnist = input_data.read_data_sets("mnist_data/"

, one_hot=

true

)  print

mnist.train.images.shape  

print

mnist.train.labels.shape  

print

mnist.validation.images.shape  

print

mnist.validation.labels.shape  

print

mnist.test.images.shape  

print

mnist.test.labels.shape  

上面這寫**可以看出mnist主要由三個檔案,train val 和test檔案,以及對應的label

train.images.shap得出784,這意味著mnist.train.image裡面儲存著784個數字,這784個數字就是我們的mnist手寫影象。我們該怎麼把這些數字轉化成能看見的影象?

[python] 

view plain

copy

import

matplotlib.pyplot as plt  

from

tensorflow.examples.tutorials.mnist 

import

input_data  

import

tensorflow as tf  

import

numpy as np  

mnist = input_data.read_data_sets("mnist_data/"

, one_hot=

true

)  #data_trainsform這個函式是將數字轉化成視覺化的影象

defdata_trainsform(a):    

#將784轉換成28*28的矩陣

b = np.zeros([28

, 28

]) #定義乙個簡單的28x28矩陣

fori 

inrange(0,

27):  

forj 

inrange(0,

27):  

b[i][j] = a[28

*i+j]  

return

b  tile = data_trainsform(mnist.train.images[1

])  

print

mnist.train.labels[

1]  

plt.figure()  

plt.imshow(tile)  

plt.show()  

print

mnist.train.images.shape  

print

mnist.train.labels.shape  

print

mnist.validation.images.shape  

print

mnist.validation.labels.shape  

print

mnist.test.images.shape  

print

mnist.test.labels.shape  

通過這些我們可以大致了解mnist裡面的資料格式,

mnist.train.images[1]則代表這裡面第乙個784個數,也就是裡面存放的第乙個

mnist.train.labels[1] 則是對應的label

Windows檢視所有的埠及埠對應的程式

步驟一 windows檢視所有的埠 點選電腦左下角的開始,然後選擇執行選項,接著我們在彈出的視窗中,輸入 cmd 命令,進行命令提示符。然後我們在視窗中輸入 netstat ano 按下回車,即會顯示所有的埠占用情況。如圖所示 步驟 二 查詢指定的埠占用 在視窗中,繼續輸入 netstat aon ...

MNIST資料集的格式轉換

以前直接用的是sklearn或者tensorflow提供的mnist資料集,已經轉換為矩陣形式的資料格式。但是sklearn體用的資料集合並不全,一共只有3000 圖,每個圖是8 8的大小,但是原始資料並不是這樣的。mnist資料集合的原始 為 進入官網,發現有4個檔案,分別對應訓練集 測試集的影象...

Request物件的所有的方法

setattribute string name,object 設定名字為name的request的引數值 getattribute string name 返回由name指定的屬性值 getattributenames 返回request物件所有屬性的名字集合,結果是乙個列舉的例項 getcook...