iT邦幫忙

2018 iT 邦幫忙鐵人賽
DAY 17
0

前言:

對於深度學習來說資料的蒐集是十分重要的,而Mnist是一個別人已經蒐集好的手寫數字辨識資料,為了方便,我們就先使用別人蒐集好的資料來進行使用。

下載Mnist:

from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets('MNIST_data', one_hot=True)

說明:

由於tensorflow已經提供了現成模組,所以我們就依照官方的教學下載。

https://ithelp.ithome.com.tw/upload/images/20180112/20107535BL7CLtPVXi.png

查看Mnist:

查看圖形:

from tensorflow.examples.tutorials.mnist import input_data
import matplotlib.pyplot as plt
mnist = input_data.read_data_sets('MNIST_data', one_hot=True)
def images(image):
    plt.imshow(image.reshape(28,28),cmap='binary')
    plt.show()
images(mnist.train.images[784])

https://ithelp.ithome.com.tw/upload/images/20180112/20107535bbrwttvT9t.png

查看圖形及其標籤:

from tensorflow.examples.tutorials.mnist import input_data
import matplotlib.pyplot as plt
import numpy as np
mnist = input_data.read_data_sets('MNIST_data', one_hot=True)
def images(image):
    plt.imshow(image.reshape(28,28),cmap='binary')
    plt.show()
images(mnist.train.images[784])
mnist.train.labels[784]

https://ithelp.ithome.com.tw/upload/images/20180112/20107535sKaJxC1cPp.png

查看圖形並將標籤轉換為(0~9)數字:

from tensorflow.examples.tutorials.mnist import input_data
import matplotlib.pyplot as plt
import numpy as np
mnist = input_data.read_data_sets('MNIST_data', one_hot=True)
def images(image):
    plt.imshow(image.reshape(28,28),cmap='binary')
    plt.show()
images(mnist.train.images[784])
np.argmax(mnist.train.labels[784])
#mnist.train.labels[784]

https://ithelp.ithome.com.tw/upload/images/20180112/20107535cJ7INOD7ij.png

結語:

終於考完期末考了,雖然整個炸掉,但鐵人也差不多該開始補了,今天就先介紹我們之後會使用的Mnist數字資料集的下載以及簡單的查看他的內容。


上一篇
DAY16 線性回歸
下一篇
DAY18 建立layer函數
系列文
tensorflow python30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言