我們現在已經學會了要怎麼印出照片，那我們要如何利用機器學習得到預測的數值呢?接下來的程式碼就是要來解釋這個部分。

def show_images_labels_predictions(images,labels,
                                   predictions,start_id,num):
  plt.gcf().set_size_inches(12, 14)
  if num>25: num=25
  for i in range(num):
      ax=plt.subplot(5,5, i+1)
      ax.imshow(images[start_id], cmap='binary')
  
      title = 'label = ' + str(labels[start_id])
      ax.set_title(title,fontsize=12)
      ax.set_xticks([]);ax.set_yticks([])
      start_id+=1
  plt.show()

程式說明:

1~2:定義一個show_images_labels_predictioins函數帶有5個參數分別為images(數字圖片)、labels(自帶的真實值)、predictions(之後會解釋，但現在不會用到)、start_id(照片要從哪個開始顯示)、num(顯示照片數量)

3:設定數字圖片的長寬為12、14英吋

4:檢查num(顯示照片數量)是否超出最大值25，若超出則將num值設為25，以避免超出5*5子圖網格的範圍

5:建立了一個迴圈，從start_id開始，遞增到 start_id + num - 1，共執行num次。這決定了要在子圖網格中顯示的圖像範圍。

6:建立一個在5*5子圖網格且編號為i+1的對象ax

7:使用ax.imshow()函數來顯示數字圖片，第1個參數為images[start_id]為照片的索引值，第2個參數cmap=’binary’為設定圖片配色

9:設一個變數title，文字為label+數字圖片自帶的真實值，如label=5

10:設定title文字的字體大小為12

11:將x和y軸的刻度設置為空，以去除子圖的刻度標籤。

12:迴圈中的start_id每跑一次+1，用於不重複顯示下一張照片

13:顯示所有子圖

編輯完這個函數後我們就可以利用show()方法來呼叫剛剛寫好的程式碼了

show_images_labels_predictions(train_feature,train_label,[],0,10)