pytorch實(shí)現(xiàn)mnist數(shù)據(jù)集的圖像可視化及保存
如何將pytorch中mnist數(shù)據(jù)集的圖像可視化及保存
導(dǎo)出一些庫(kù)
import torch import torchvision import torch.utils.data as Data import scipy.misc import os import matplotlib.pyplot as plt BATCH_SIZE = 50 DOWNLOAD_MNIST = True
數(shù)據(jù)集的準(zhǔn)備
#訓(xùn)練集測(cè)試集的準(zhǔn)備
train_data = torchvision.datasets.MNIST(root='./mnist/', train=True,transform=torchvision.transforms.ToTensor(), download=DOWNLOAD_MNIST, ) test_data = torchvision.datasets.MNIST(root='./mnist/', train=False)
將訓(xùn)練及測(cè)試集利用dataloader進(jìn)行迭代
train_loader = Data.DataLoader(dataset=train_data, batch_size=BATCH_SIZE, shuffle=True) test_x = Variable(torch.unsqueeze(test_data.test_data, dim=1), requires_grad=True).type(torch.FloatTensor)[:20]/255 test_y = test_data.test_labels[:20]#前兩千張 #具體查看圖像形式為: a_data, a_label = train_data[0] print(type(a_data))#tensor 類(lèi)型 #print(a_data) print(a_label) #把原始圖片保存至MNIST_data/raw/下 save_dir="mnist/raw/" if os.path.exists(save_dir)is False: os.makedirs(save_dir) for i in range(20): image_array,_=train_data[i]#打印第i個(gè) image_array=image_array.resize(28,28) filename=save_dir + 'mnist_train_%d.jpg' % i#保存文件的格式 print(filename) print(train_data.train_labels[i])#打印出標(biāo)簽 scipy.misc.toimage(image_array,cmin=0.0,cmax=1.0).save(filename)#保存圖像


以上這篇pytorch實(shí)現(xiàn)mnist數(shù)據(jù)集的圖像可視化及保存就是小編分享給大家的全部?jī)?nèi)容了,希望能給大家一個(gè)參考,也希望大家多多支持腳本之家。
- 關(guān)于Pytorch的MNIST數(shù)據(jù)集的預(yù)處理詳解
- pytorch:實(shí)現(xiàn)簡(jiǎn)單的GAN示例(MNIST數(shù)據(jù)集)
- 使用 PyTorch 實(shí)現(xiàn) MLP 并在 MNIST 數(shù)據(jù)集上驗(yàn)證方式
- 用Pytorch訓(xùn)練CNN(數(shù)據(jù)集MNIST,使用GPU的方法)
- 詳解PyTorch手寫(xiě)數(shù)字識(shí)別(MNIST數(shù)據(jù)集)
- pytorch 把MNIST數(shù)據(jù)集轉(zhuǎn)換成圖片和txt的方法
- Python PyTorch 如何獲取 MNIST 數(shù)據(jù)
相關(guān)文章
Python中threading模塊join函數(shù)用法實(shí)例分析
這篇文章主要介紹了Python中threading模塊join函數(shù)用法,以實(shí)例形式較為詳細(xì)的分析了join函數(shù)的功能與使用方法,需要的朋友可以參考下2015-06-06
python實(shí)現(xiàn)根據(jù)文件格式分類(lèi)
這篇文章主要為大家詳細(xì)介紹了python實(shí)現(xiàn)根據(jù)文件格式分類(lèi),文中示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2019-10-10
Python基于隨機(jī)采樣一至性實(shí)現(xiàn)擬合橢圓(優(yōu)化版)
這篇文章主要對(duì)上一版的Python基于隨機(jī)采樣一至性實(shí)現(xiàn)擬合橢圓的優(yōu)化,文中的示例代碼講解詳細(xì),具有一定的借鑒價(jià)值,感興趣的可以了解一下2022-11-11
[項(xiàng)目布局配置]Nosql與PythonWeb-Flask框架組合
本文主要描述了怎樣使用輕量級(jí)NoSQL數(shù)據(jù)庫(kù)與PythonWeb-Flask框架組合來(lái)進(jìn)行項(xiàng)目布局及應(yīng)用配置,需要的同學(xué)可以參考下,希望可以對(duì)大家有所進(jìn)益2021-08-08
Pycharm編輯器技巧之自動(dòng)導(dǎo)入模塊詳解
我們?cè)诰幊踢^(guò)程中經(jīng)常會(huì)不經(jīng)意的使用到一些尚未導(dǎo)入的類(lèi)和模塊,在這種情況下Pycharm會(huì)幫助我們定位模塊文件位置并將其添加到導(dǎo)入列表中,這也就是所謂的自動(dòng)導(dǎo)入模塊功能。本文給大家介紹了關(guān)于Pycharm編輯器技巧之自動(dòng)導(dǎo)入模塊的相關(guān)資料,需要的朋友可以參考下。2017-07-07
用Python Flask創(chuàng)建簡(jiǎn)潔高效的URL短鏈接服務(wù)
本文介紹了如何使用Python Flask框架創(chuàng)建URL短鏈接服務(wù)。通過(guò)詳細(xì)的步驟和代碼示例,讀者將學(xué)會(huì)如何搭建一個(gè)高效的URL縮短服務(wù),包括生成短鏈接、重定向、還原長(zhǎng)鏈接等功能。本文還介紹了如何使用Redis數(shù)據(jù)庫(kù)實(shí)現(xiàn)短鏈接的存儲(chǔ)和管理和如何優(yōu)化短鏈接的訪(fǎng)問(wèn)速度和可靠性2023-04-04
python實(shí)現(xiàn)簡(jiǎn)單日期工具類(lèi)
這篇文章主要為大家詳細(xì)介紹了python實(shí)現(xiàn)簡(jiǎn)單日期工具類(lèi),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2019-04-04
從零學(xué)Python之引用和類(lèi)屬性的初步理解
Python是一種解釋型、面向?qū)ο?、?dòng)態(tài)數(shù)據(jù)類(lèi)型的高級(jí)程序設(shè)計(jì)語(yǔ)言。自從20世紀(jì)90年代初Python語(yǔ)言誕生至今,它逐漸被廣泛應(yīng)用于處理系統(tǒng)管理任務(wù)和Web編程。Python已經(jīng)成為最受歡迎的程序設(shè)計(jì)語(yǔ)言之一。2011年1月,它被TIOBE編程語(yǔ)言排行榜評(píng)為2010年度語(yǔ)言。自從2004年以后,python的使用率是呈線(xiàn)性增長(zhǎng)。2014-05-05

