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
mnist.train.images.shape
mnist.train.labels.shape
mnist.validation.images.shape
mnist.validation.labels.shape
mnist.test.images.shape
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
])
mnist.train.labels[
1]
plt.figure()
plt.imshow(tile)
plt.show()
mnist.train.images.shape
mnist.train.labels.shape
mnist.validation.images.shape
mnist.validation.labels.shape
mnist.test.images.shape
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...