标签：tensoflow num 读取 image print train mnist test MNIST

读取mnist数据集中的一幅图片

#读取mnist中的一个数据
from __future__ import division,print_function
import tensorflow as tf
import matplotlib.pyplot as plt
import numpy as np
#Import MNIST data
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("MNIST_data/",one_hot = True)
def train_size(num):
    print('Total Training Image in Dataset = '+
    str(mnist.train.images.shape))
    print('-----------------------------------')
    x_train = mnist.train.images[:num,:]
    print('x_train Examples Loaded = ' + str(x_train.shape))
    y_train = mnist.train.labels[:num,:]
    print('y_train Examples Loaded = ' + str(y_train.shape))
    print('')
    return x_train,y_train
def test_size(num):
    print('Total Test Examples in Dataset = '+
    str(mnist.test.images.shape))
    print('-----------------------------------')
    x_test = mnist.test.images[:num,:]
    print('x_test Examples Loaded =' + str(x_test.shape))
    y_test = mnist.test.labels[:num,:]
    print('y_test Examples Loaded =' + str(y_test.shape))
    return x_test,y_test
x_train,y_train = train_size(55000)#抽取全部的训练集
image = x_train[1] #读取训练集的第一个样本
image_label = y_train[1]
image_label_num = y_train[1].argmax(axis = 0)
image = image.reshape([28,28])#调整

 我们可以对第一幅图片进行显示

plt.imshow(image,cmap = plt.get_cmap('gray_r')) 
plt.show()

可以看到图片

我们再查看一下它的标签

 可以看到它是一个array

>>> image_label
array([0., 0., 0., 1., 0., 0., 0., 0., 0., 0.])
>>> 

数字3表示数组的第四个位置为1（从0开始），其余都为0，那么如何得到该索引位置呢

image_label_num = y_train[1].argmax(axis = 0)

argmax是获取最大值索引，axis是指坐标轴

image_label_num = y_train[1].argmax(axis = 0)
>>> image_label_num
3

标签：tensoflow,num,读取,image,print,train,mnist,test,MNIST
来源： https://blog.csdn.net/wzz110011/article/details/120683643

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。