今天我們要繼續查看相關資料，但其實相關步驟與Keras相差無幾，就不會再多加解說。連假最後一天，今天大家都輕鬆點囉~

昨天我們已經得知訓練資料的組成，今天會繼續查看相關的資料與鍵入相對應的程式碼
那我們就繼續前進囉!

1. 查看第0筆images影像之長度，請鍵入以下程式碼:

len(mnist.train.image[0])

注意!使用len可查看第0筆images影像之長度喔!

2. 查看第0筆images影像之內容，請鍵入以下程式碼:

mnist.train.images[0]

注意!TensorFlow會自動幫使用者進行標準化喔!

3. 定義並執行plot_image，請鍵入以下程式碼:
   定義之指令如下所示:

import matplotlib.pyplot as plt
def plot_image(image):
    plt.imshow(image.reshape(28,28),cmap='binary')
    plt.show()

執行之指令如下所示:

plot_image(mnist.train.images[0])

執行後即可顯示第0筆資料囉!

4. 查看labels資料，請鍵入以下程式碼:

mnist.train.labels[0]

在[Day18]時我們有鍵入以下指令:

後面的one_hot我們設定為Ture，所以產生的labels為One_hot Encoding。
這樣顯示的只會有0跟1，所以第0筆資料為1，其他都是0

5. 使用argmax顯示，請鍵入以下程式碼:

import numpy as np
np.argmax(mnist.train.labels[0])

即可由原本One_hot encoding只能顯示0跟1轉換為0~9

查看多筆訓練資料

1. plot_images_labels_prediction()
   之前在Keras時有建立此函數，由於TensorFlow的關係需做些更改，如下所示:
   
   將上面圈選的兩處進行更改，更改內容如下:

• 更改images: TensorFlow需要轉換成28X28影像，才可以顯示
  程式碼如下np.reshape(images[idx],(28, 28))

• 更改labels: 與前面所述相同，要將One_hot Encoding轉換為np.argmax，才可以成功顯示出0~9的數字
  程式碼如下np.argmax(labels[idx])

這樣查看資料的部分就告一段落啦!明天會與大家聊聊有關TensorFlow與Keras的關聯性喔!然後就要進入鐵人賽最後10天倒數了!謝謝大家

Reference: 林大貴(2019)：TensorFlow+Keras 深度學習人工智慧實務應用。新北市：博碩文化