minst的数据集介绍

付威     2019-04-15   3427   9min  

MINST数据库是由是一个手写数字的数据集,官方网址:http://yann.lecun.com/exdb/mnist/

 > MNIST 数据集来自美国国家标准与技术研究所, National Institute of Standards and Technology (NIST). 训练集 (training set) 由来自 250 个不同人手写的数字构成, 其中 50% 是高中学生, 50% 来自人口普查局 (the Census Bureau) 的工作人员. 测试集(test set) 也是同样比例的手写数字数据.

MINST数据总共有4个包,解压出来的数据如下:

tensorflow

  1. train-images-idx3-ubyte.gz,train-labels-idx1-ubyte.gz:提供了60000张,28*28像素的黑底白字图片用来训练
  2. t10k-images-idx3-ubyte.gz,t10k-labels-idx1-ubyte.gz:提供了10000张,28*28像素的黑底白字图片用来测试

mnist提供的图片有784(28*28)个像素点,把每个像素点的值,组织成一个一维的数组,作为输入参数。形式如下:

  [0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.386 0.379 0....... 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. ]

图片的标签以一维数组给出,每个元素代表出现的概率,形式如下:

[0. 0. 0. 0. 0. 0. 1. 0. 0. 0. ] 代表数字6

tensorflow官方支持数据集的读取,使用代码如下:

    # coding:utf-8
    from tensorflow.examples.tutorials.mnist import  input_data

    minst=input_data.read_data_sets('./data/',one_hot=True)
    #打印数据数量
    print( "train data size:",minst.train.num_examples)
    print( "validation data size:",minst.validation.num_examples)
    print( "test data size:",minst.test.num_examples)

    #打印数据
    print(minst.train.labels[0])
    print(minst.train.images[0])

    #打印前200行数据
    BATCH_SIZE=200
    xs,ys=minst.train.next_batch(BATCH_SIZE)
    print("xs shape:",xs.shape)
    print("ys shape:",ys.shape)

输出到控制台结果:

  train data size: 55000
  validation data size: 5000
  test data size: 10000
  [0. 0. 0. 0. 0. 0. 0. 1. 0. 0.]
  [ 0. 0.....0.      0.3529412 0.5411765  0.9215687  0.9215687  0.9215687  0.9215687  0.9215687 0.9215687  0.9843138  0.9843138  0.9725491  0.9960785  0.9607844 0.9215687  0.74509805 0.08235294 0. 0. 0.....]
  xs: [[0. 0. 0. ... 0. 0. 0.]
  [0. 0. 0. ... 0. 0. 0.]
  [0. 0. 0. ... 0. 0. 0.]
  ...
  [0. 0. 0. ... 0. 0. 0.]
  [0. 0. 0. ... 0. 0. 0.]
  [0. 0. 0. ... 0. 0. 0.]]
  xs shape: (200, 784)
  ys: [[0. 0. 0. ... 0. 0. 0.]
  [0. 0. 0. ... 1. 0. 0.]
  [0. 0. 0. ... 0. 0. 0.]
  ...
  [0. 0. 0. ... 0. 0. 0.]
  [0. 0. 1. ... 0. 0. 0.]
  [1. 0. 0. ... 0. 0. 0.]]
  ys shape: (200, 10)

既然是图片数据,我们就能把他们都还原过去,代码如下:

  #coding:utf-8
  import numpy as np
  import struct

  from PIL import Image
  import os

  data_file = 'train-images-idx3-ubyte' #需要修改的路径

  # It's 47040016B, but we should set to 47040000B
  data_file_size = 47040016
  data_file_size = str(data_file_size - 16) + 'B'

  data_buf = open(data_file, 'rb').read()

  magic, numImages, numRows, numColumns = struct.unpack_from(
      '>IIII', data_buf, 0)
  datas = struct.unpack_from(
      '>' + data_file_size, data_buf, struct.calcsize('>IIII'))
  datas = np.array(datas).astype(np.uint8).reshape(
      numImages, 1, numRows, numColumns)

  label_file = 'train-labels-idx1-ubyte' #需要修改的路径

  # It's 60008B, but we should set to 60000B
  label_file_size = 60008
  label_file_size = str(label_file_size - 8) + 'B'

  label_buf = open(label_file, 'rb').read()

  magic, numLabels = struct.unpack_from('>II', label_buf, 0)
  labels = struct.unpack_from(
      '>' + label_file_size, label_buf, struct.calcsize('>II'))
  labels = np.array(labels).astype(np.int64)

  datas_root = './pic/' #需要修改的路径
  if not os.path.exists(datas_root):
      os.mkdir(datas_root)

  for i in range(10):
      file_name = datas_root + os.sep + str(i)
      if not os.path.exists(file_name):
          os.mkdir(file_name)

  for ii in range(numLabels):
      img = Image.fromarray(datas[ii, 0, 0:28, 0:28])
      label = labels[ii]
      #不足5位补0版本
      file_name = datas_root + os.sep + str(label) + os.sep + \
                  str(ii).zfill(5) + '.png'
      img.save(file_name)

tensorflow

tensorflow

(本文完)

作者:付威

博客地址:http://blog.laofu.online

如果觉得对您有帮助,可以下方的RSS订阅,谢谢合作

如有任何知识产权、版权问题或理论错误,还请指正。

本文是付威的网络博客原创,自由转载-非商用-非衍生-保持署名,请遵循:创意共享3.0许可证

交流请加群113249828: 点击加群   或发我邮件 laofu_online@163.com

付威

获得最新的博主文章,请关注上方公众号