如何将MNIST数据集转化为真实图片集
文章目录
- 操作步骤
- 代码
- 效果
- 1.MNIST_data_folder 文件夹中自动下载保存MNIST数据集
- 2.提取出的数据自动生成0-9 10个文件夹,每个文件夹中存对应的数字图片
- 3.代码生成效果
- 4.MNIST数据分类
MNIST数据集官网(需要翻墙): http://yann.lecun.com/exdb/mnist/
操作步骤
step1.创建项目,在新的python文件中直接将下面代码复制,不需要提前下MNIST数据集
step2.在项目中创建一个文件,文件名为 MNIST_data_folder
step3.直接运行程序就行
代码
import tensorflow.examples.tutorials.mnist.input_data as input_data
import os
from PIL import Image
import numpy as npMNIST_data_folder = 'MNIST_data_folder'
mnist = input_data.read_data_sets(MNIST_data_folder, one_hot=False) #MNIST_data_folder是数据集的目录
# imgs, labels = mnist.test.images, mnist.test.labels #生成测试集图片
imgs, labels = mnist.validation.images, mnist.validation.labels #生成验证集图片
# imgs, labels = mnist.train.images, mnist.train.labels #生成训练集图片
for i in range(10):if not os.path.exists(str(i)):os.makedirs(str(i))
cnt = [0 for i in range(10)]
for i in range(imgs.shape[0]):array = (imgs[i].reshape((28, 28)) * 255).astype(np.uint8)cnt[labels[i]] += 1img = Image.fromarray(array, 'L')img.save(str(labels[i]) + '\\' + str(cnt[labels[i]]) + '.jpg')
代码参考链接:https://www.cnblogs.com/wj-1314/p/9597119.html
效果
1.MNIST_data_folder 文件夹中自动下载保存MNIST数据集
注:不需要解压,代码自己提取其中的数据
2.提取出的数据自动生成0-9 10个文件夹,每个文件夹中存对应的数字图片
以数字0为例:
3.代码生成效果
4.MNIST数据分类
0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 总计 | |
---|---|---|---|---|---|---|---|---|---|---|---|
训练集 | 5444 | 6179 | 5470 | 5638 | 5307 | 4987 | 5417 | 5715 | 5389 | 5454 | 55000 |
验证集 | 479 | 563 | 488 | 493 | 535 | 434 | 501 | 550 | 462 | 495 | 5000 |
测试集 | 980 | 1135 | 1032 | 1010 | 982 | 892 | 958 | 1028 | 974 | 1009 | 10000 |
总计 | 6903 | 7877 | 6990 | 7141 | 6,824 | 6,313 | 6,876 | 7,293 | 6825 | 6,958 | 70000 |
注:每个文件中图片都是从0开始命名
如何将MNIST数据集转化为真实图片集相关推荐
- 使用Python将MNIST数据集转化为图片
1,对于训练集数据: import numpy as np import structfrom PIL import Image import osdata_file = 'somePath/trai ...
- 将MNIST数据集转换成.jpg图片
MNIST数据集简介 # MNIST 数据集合共包含70000张手写数字图片 # 其中60000张用作训练集 # 10000张用作预测集 # 数据集包含了0-9共10类手写数字图片,每张 # 图片都做 ...
- python图像数据是几维数据_MNIST数据集转化为二维图片的实现示例
本文介绍了MNIST数据集转化为二维图片的实现示例,分享给大家,具体如下: #coding: utf-8 from tensorflow.examples.tutorials.mnist import ...
- 数据集解析 001:MNIST数据集与IDX文件(附带IDX文件提取代码Python版)
写在最前 在开始这个专题第一篇文章之前,请先允许博主先跟大家聊聊这个专题咱们讲什么具体内容.相信凡是做过与深度学习或者神经网络相关工作的同学对 数据集 这个概念并不陌生,在网络训练过程中我们采用的各种 ...
- tensorflow(七)实现mnist数据集上图片的训练和测试
本文使用tensorflow实现在mnist数据集上的图片训练和测试过程,使用了简单的两层神经网络,代码中涉及到的内容,均以备注的形式标出. 关于文中的数据集,大家如果没有下载下来,可以到我的网盘去下 ...
- 上海交大:我们做了一个医疗版MNIST数据集,发现常见AutoML算法没那么好用
机器之心报道 作者:魔王.张倩 上海交大研究人员创建新型开放医疗图像数据集 MedMNIST,并设计「MedMNIST 分类十项全能」,旨在促进 AutoML 算法在医疗图像分析领域的研究. 项目地址 ...
- pytorch保存准确率_初学Pytorch:MNIST数据集训练详解
前言 本文讲述了如何使用Pytorch(一种深度学习框架)构建一个简单的卷积神经网络,并使用MNIST数据集(28*28手写数字图片集)进行训练和测试.针对过程中的每个步骤都尽可能的给出了详尽的解释. ...
- DL之DCGAN:基于keras框架利用深度卷积对抗网络DCGAN算法对MNIST数据集实现图像生成
DL之DCGAN:基于keras框架利用深度卷积对抗网络DCGAN算法对MNIST数据集实现图像生成 目录 基于keras框架利用深度卷积对抗网络DCGAN算法对MNIST数据集实现图像生成 设计思路 ...
- 【小白学习PyTorch教程】十一、基于MNIST数据集训练第一个生成性对抗网络
「@Author:Runsen」 GAN 是使用两个神经网络模型训练的生成模型.一种模型称为生成网络模型,它学习生成新的似是而非的样本.另一个模型被称为判别网络,它学习区分生成的例子和真实的例子. 生 ...
最新文章
- 5 关于数据仓库维度数据处理的方法探究系列——缓慢变化维处理——全历史记录...
- 【设计模式】—— 职责链模式ChainOfResponsibility
- x5内核有什么优点_欧尚X5国产又一黑马SUV,颜值高性能强,顶配仅需10万左右
- JAVA之关于This的用法
- The property delegate of CALayer cause Crash.
- vue本地模拟数据之mockjs安装 - cmd篇
- 科罗拉多州立大学计算机科学专业,2020年科罗拉多州立大学有哪些优势专业
- fmincon函数求极值
- 【资源分享】ppt的模版获取-可用于转正答辩、毕业答辩、课程答辩等等
- Python使用Opencc库完成字符繁简体转换
- 计算机标准体重计算公式,项目2:就拿胖子说事---(2)计算出标准体重,当超重时,请给出提示...
- 深蓝词库转换1.9发布——支持英库拼音、搜狗bin格式、FIT、中州韵等
- 【PCI】PCI驱动匹配(四)
- 大写的“人”——《杀死一只知更鸟》读后感范文4800字
- 饥荒控制台输入没用_饥荒联机版代码怎么用 代码输入没用解决方法
- 【ESP】乐鑫系列物联网芯片
- CentOS 7下安装pptp服务端手记
- execution使用
- F4键在word可以做什么?万能的F4键竟然还有这些功能!
- 学习记录:VB.NET.操作ACCESS数据库