25-Mnist01

最新推荐文章于 2024-04-09 22:54:15 发布
最新推荐文章于 2024-04-09 22:54:15 发布
阅读量115 收藏
点赞数
分类专栏： # 深度学习项目
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/HJZ11/article/details/104609402
版权 
from tensorflow.examples.tutorials.mnist.input_data import read_data_sets
import numpy as np
import cv2


SAMPLES_PATH = './MNIST_data'

def temp_reshape_transpose():
    x = np.random.randint(0, 10, size=[64, 64])
    for row in x:
        print('[', end='')
        for e in row:
            print(e, end=' ')
        print(']')

    x = np.reshape(x, [64, 32, 2])
    x = np.transpose(x, [1, 0 ,2])  # [32, 64, 2]
    x = np.reshape(x, [32, 32, 4])  # [32, 32, 4]
    x = np.max(x, axis=2)  # [32, 32]
    x = np.transpose(x, [1, 0])

    print('-' * 200)
    for row in x:
        print('[', end='')
        for e in row:
            print(e, end=' ')
        print(']')



if __name__ == '__main__':
    ds =read_data_sets(SAMPLES_PATH)
    print(ds.train.num_examples)#55000
    print(ds.validation.num_examples)#5000
    print(ds.test.num_examples)#10000

    xs,ys = ds.train.next_batch(200)
    #print(xs[0])
    # xs: [200, 784],28X28
    # ys: [200]

    print(ys)
    #xs = np.reshape(xs,[-1,28])#设置可视化长宽度28*28，此宽度看着手写数字比较合适,#可以看到是一个数字一行
    xs = np.reshape(xs, [-1,28,28])
    xs = np.transpose(xs,[1,0,2]) #[28,-1,28]
    xs = np.reshape(xs,[28,-1,28*20])#[28,-1,560]
    xs = np.transpose(xs,[1,0,2])#[-1,28,560]
    xs = np.reshape(xs,[-1,28*20])#变成了10行20列的数字

    print("*" * 200)
    temp_reshape_transpose()


    cv2.imshow('My digits',xs)
    cv2.waitKey()



D:\Anaconda\python.exe D:/AI20/06_codes/deeplearning_20/p25_mnist/mnist01.py
WARNING:tensorflow:From D:/AI20/06_codes/deeplearning_20/p25_mnist/mnist01.py:32: read_data_sets (from tensorflow.contrib.learn.python.learn.datasets.mnist) is deprecated and will be removed in a future version.
Instructions for updating:
Please use alternatives such as official/mnist/dataset.py from tensorflow/models.
WARNING:tensorflow:From D:\Anaconda\lib\site-packages\tensorflow\contrib\learn\python\learn\datasets\mnist.py:260: maybe_download (from tensorflow.contrib.learn.python.learn.datasets.base) is deprecated and will be removed in a future version.
Instructions for updating:
Please write your own downloading logic.
WARNING:tensorflow:From D:\Anaconda\lib\site-packages\tensorflow\contrib\learn\python\learn\datasets\mnist.py:262: extract_images (from tensorflow.contrib.learn.python.learn.datasets.mnist) is deprecated and will be removed in a future version.
Instructions for updating:
Please use tf.data to implement this functionality.
Extracting ./MNIST_data\train-images-idx3-ubyte.gz
Extracting ./MNIST_data\train-labels-idx1-ubyte.gz
Extracting ./MNIST_data\t10k-images-idx3-ubyte.gz
WARNING:tensorflow:From D:\Anaconda\lib\site-packages\tensorflow\contrib\learn\python\learn\datasets\mnist.py:267: extract_labels (from tensorflow.contrib.learn.python.learn.datasets.mnist) is deprecated and will be removed in a future version.
Instructions for updating:
Please use tf.data to implement this functionality.
Extracting ./MNIST_data\t10k-labels-idx1-ubyte.gz
WARNING:tensorflow:From D:\Anaconda\lib\site-packages\tensorflow\contrib\learn\python\learn\datasets\mnist.py:290: DataSet.__init__ (from tensorflow.contrib.learn.python.learn.datasets.mnist) is deprecated and will be removed in a future version.
Instructions for updating:
Please use alternatives such as official/mnist/dataset.py from tensorflow/models.
55000
5000
10000
[6 5 8 1 6 4 2 9 9 5 2 7 2 4 0 0 2 0 2 7 1 5 4 0 9 7 0 9 0 3 0 2 1 7 0 6 1
 1 9 4 2 6 8 4 1 9 7 4 3 7 9 2 2 4 9 6 6 1 6 7 9 8 6 1 4 0 4 6 8 7 9 9 7 0
 7 3 2 4 3 3 6 3 6 0 8 6 1 6 9 2 4 0 5 5 1 4 8 7 2 0 1 8 7 8 8 7 7 8 7 5 7
 8 4 8 2 7 6 2 8 1 3 9 0 9 3 8 6 4 4 7 4 3 9 6 8 4 5 6 2 3 5 6 4 2 8 9 8 8
 1 7 5 4 8 7 0 4 2 7 5 1 1 4 3 2 0 7 6 7 0 8 5 1 7 4 3 1 5 5 0 5 6 8 0 0 9
 0 9 9 5 7 3 9 5 3 2 9 0 0 8 5]
********************************************************************************************************************************************************************************************************
[1 3 3 8 1 6 1 9 9 2 1 9 8 4 1 8 3 6 9 4 4 6 5 2 9 9 3 2 9 7 8 9 8 1 3 8 4 6 4 0 1 0 6 3 9 1 9 1 8 2 0 6 5 0 8 8 3 7 8 1 3 6 8 1 ]
[5 0 5 9 7 4 3 2 3 3 1 0 6 7 5 2 6 9 1 0 3 6 5 7 9 4 8 5 3 9 0 8 5 9 8 6 4 8 0 9 7 2 7 5 9 4 4 9 9 5 6 8 5 8 9 6 8 8 8 2 6 6 6 7 ]
[2 8 5 8 0 9 9 6 9 4 9 3 0 6 1 4 8 5 1 2 3 2 9 5 3 9 0 8 5 0 9 7 2 5 5 3 1 4 1 0 5 3 7 3 0 1 7 2 1 3 8 1 2 5 6 0 3 4 3 8 8 4 2 0 ]
[0 9 8 9 4 7 9 1 8 6 9 4 3 8 8 7 9 1 3 3 3 1 1 2 3 3 3 1 6 6 9 1 6 3 7 7 6 2 0 6 3 5 5 1 0 6 6 2 6 3 1 9 8 2 3 9 8 7 7 4 0 6 1 5 ]
[2 4 7 5 8 2 6 0 2 0 6 1 2 7 3 3 7 0 9 8 4 1 8 3 7 2 5 7 7 3 2 6 9 9 3 6 6 1 8 5 2 2 6 5 6 4 1 6 0 0 7 9 7 3 8 2 8 0 6 9 5 8 3 8 ]
[5 3 8 4 1 5 2 5 3 9 1 1 3 1 8 0 8 1 7 6 6 4 7 9 5 2 8 8 9 8 5 2 6 3 0 1 7 5 1 0 1 0 7 8 6 1 4 0 1 5 5 6 8 8 6 7 3 0 7 9 1 1 9 3 ]
[4 6 0 2 1 7 1 7 0 2 3 4 2 8 6 8 2 3 6 8 7 4 5 6 2 4 5 2 4 2 8 4 6 3 3 5 8 5 1 5 4 7 4 5 6 6 1 1 1 6 2 3 9 7 0 7 2 5 2 3 6 1 0 6 ]
[0 2 8 4 4 2 0 2 7 3 2 9 7 5 7 5 7 5 6 7 4 7 3 9 9 9 1 3 8 9 5 3 2 8 6 5 2 3 0 4 7 1 9 5 6 2 8 7 1 9 8 1 1 2 6 6 2 5 4 0 9 7 5 1 ]
[6 3 0 6 4 4 6 5 9 1 5 0 0 4 1 5 7 9 1 2 4 7 4 5 3 6 0 6 5 1 4 3 2 3 6 6 1 2 2 1 0 8 5 4 3 4 3 4 2 4 2 4 1 5 4 6 7 1 7 7 8 8 7 2 ]
[0 2 0 0 9 7 0 7 8 4 7 4 4 5 2 7 5 5 1 5 9 3 6 0 9 1 5 6 2 6 8 3 6 1 1 3 0 2 1 8 5 4 8 2 7 5 3 4 4 9 1 5 1 4 8 5 1 6 6 5 5 3 3 3 ]
[4 6 2 7 1 7 0 6 2 6 6 4 7 4 4 0 3 0 6 6 5 7 3 9 2 2 9 8 7 0 3 7 3 2 1 2 3 6 6 5 0 9 6 8 2 2 6 1 7 0 9 2 6 9 9 5 4 0 8 5 4 4 8 9 ]
[0 8 2 8 6 7 1 6 3 9 2 1 2 6 9 6 0 9 4 5 2 3 0 4 2 9 0 3 5 8 9 7 2 7 0 2 2 7 9 7 4 5 5 0 4 4 1 8 0 5 2 8 6 3 4 7 8 5 8 1 8 7 3 3 ]
[4 1 2 5 5 2 5 1 4 3 0 3 2 2 9 9 2 2 5 1 7 7 1 9 4 3 0 3 2 5 8 5 5 4 8 6 0 0 4 2 1 4 5 3 1 2 9 4 5 4 2 7 2 5 4 4 2 9 2 2 6 6 1 8 ]
[2 8 5 9 4 4 6 5 9 5 3 6 4 6 8 5 5 4 4 6 3 2 6 5 5 0 8 8 9 5 9 5 7 7 6 4 6 4 9 7 0 9 2 5 4 3 0 0 6 1 2 9 6 2 8 9 8 7 0 4 5 6 0 0 ]
[2 5 9 6 1 8 2 5 9 4 2 2 5 4 7 8 8 1 1 3 9 4 7 9 3 6 2 4 2 6 0 8 3 2 5 3 5 7 0 0 5 9 9 2 3 7 9 4 4 8 5 9 4 2 6 1 2 6 2 0 4 0 3 1 ]
[0 5 4 8 2 8 4 5 7 7 6 2 8 4 1 0 6 3 9 1 1 3 5 5 8 9 2 7 6 4 1 1 1 1 7 5 6 3 5 0 0 2 7 7 2 2 9 5 4 9 7 2 4 2 3 6 3 6 1 9 9 3 7 8 ]
[4 3 8 4 4 0 6 2 0 1 5 3 5 3 7 9 6 0 1 2 6 2 7 9 5 9 3 5 1 1 2 7 6 9 4 0 9 4 5 9 4 5 2 4 2 1 7 5 8 3 7 3 5 7 5 5 9 7 4 3 0 9 4 3 ]
[8 1 7 5 7 7 4 5 9 1 2 8 3 7 4 2 8 6 3 0 9 8 4 4 2 6 1 9 2 5 9 9 2 4 5 9 0 2 9 8 8 1 4 9 7 8 6 2 2 7 4 5 5 4 1 4 5 6 0 7 7 7 0 9 ]
[3 7 9 5 8 8 6 2 9 1 4 9 7 1 2 1 5 5 7 5 8 7 6 3 7 8 7 8 6 1 4 0 1 8 0 1 7 2 0 0 6 3 4 7 5 6 6 6 9 4 6 5 8 6 3 4 4 7 8 4 5 5 8 8 ]
[5 9 9 1 1 0 6 1 3 2 9 6 5 4 1 7 5 4 7 0 2 4 0 2 3 0 9 9 4 5 4 7 0 5 1 8 0 3 1 4 0 1 6 7 3 3 7 2 3 1 2 8 4 9 6 2 8 9 2 8 7 9 7 5 ]
[1 0 5 1 2 5 3 8 8 6 3 4 4 8 6 2 6 3 2 0 6 1 4 6 3 4 7 3 9 0 1 5 8 7 2 4 3 1 4 4 2 3 1 5 2 9 0 2 9 1 6 2 8 2 9 7 7 6 7 1 7 3 0 4 ]
[6 0 5 8 4 3 8 1 6 0 8 9 7 9 3 3 5 4 1 3 9 2 3 8 4 6 5 9 5 2 5 5 6 2 3 9 6 5 1 4 2 6 9 6 7 0 0 6 8 2 8 5 5 9 2 9 5 9 5 9 9 3 2 6 ]
[5 9 2 9 0 3 6 7 4 7 4 0 1 4 9 2 3 8 8 2 8 2 7 1 5 4 2 1 6 2 2 4 5 5 2 9 1 5 4 9 2 7 3 5 4 3 4 0 8 9 9 1 9 4 4 7 1 6 1 2 2 2 6 3 ]
[0 1 6 3 6 3 1 6 3 8 8 3 1 6 6 7 9 6 9 6 1 3 5 4 8 1 6 9 1 4 9 5 3 5 0 2 0 5 4 4 2 5 0 8 9 1 0 4 7 3 0 5 3 0 7 3 8 2 5 8 6 8 0 1 ]
[0 7 0 2 0 7 0 2 9 1 7 6 5 1 6 1 0 6 9 6 0 4 3 2 0 1 7 0 9 1 6 3 0 6 6 4 6 6 6 9 1 7 2 7 3 0 8 5 4 4 8 0 1 4 1 3 3 6 0 9 9 0 0 8 ]
[6 3 2 6 9 0 8 7 6 6 5 7 9 0 7 9 6 2 9 4 0 9 1 5 0 2 2 1 1 2 8 1 3 3 7 7 7 0 8 3 3 5 1 8 3 1 5 7 2 2 5 5 8 2 1 8 9 2 7 4 3 7 0 3 ]
[5 3 5 5 7 6 4 0 7 0 2 1 6 5 3 1 5 8 8 7 2 0 8 7 9 1 8 1 6 3 7 1 4 6 1 8 5 6 5 6 6 4 0 8 6 8 7 9 6 3 2 5 6 3 8 5 1 5 4 0 8 8 9 3 ]
[9 9 0 2 7 5 2 0 8 1 7 0 7 3 0 7 4 8 6 7 6 5 4 2 3 2 8 4 9 0 3 1 8 1 1 1 9 7 9 4 4 4 9 1 0 1 3 3 4 4 0 1 5 0 6 1 4 9 8 7 4 8 6 4 ]
[5 7 4 7 3 1 7 4 2 9 3 7 5 0 5 0 0 8 9 2 3 1 3 7 7 8 5 6 0 7 3 1 0 5 9 4 6 1 7 9 0 0 3 5 2 8 3 1 6 1 1 0 4 8 9 1 4 2 9 1 4 8 7 5 ]
[6 2 2 4 9 4 6 2 3 2 6 6 1 6 7 5 6 6 6 5 2 9 0 9 9 8 6 7 4 5 3 4 5 0 7 8 7 1 5 1 9 7 9 5 5 4 5 0 3 7 8 5 2 7 0 9 9 2 2 5 4 7 3 7 ]
[7 6 8 8 5 9 0 9 5 6 9 6 2 5 2 0 9 9 1 7 4 6 0 9 8 8 6 1 1 2 9 5 5 9 7 6 9 7 0 0 1 5 4 6 3 9 7 0 1 6 8 4 1 3 9 7 7 3 8 6 1 8 1 5 ]
[4 4 6 4 0 0 8 5 0 7 5 3 1 4 9 3 6 9 5 3 3 6 5 7 4 6 0 6 4 4 4 2 5 8 2 4 0 2 0 5 3 9 9 5 3 5 7 8 3 6 5 4 5 4 6 9 5 0 1 1 5 1 8 4 ]
[3 3 7 0 1 6 6 6 7 7 3 0 5 8 1 2 1 7 6 3 4 8 2 4 6 6 4 4 3 0 6 7 8 5 9 1 5 1 9 3 3 3 4 9 3 0 7 4 1 0 7 5 7 8 8 3 2 4 1 4 7 2 4 3 ]
[0 7 9 4 8 2 4 5 3 6 8 7 9 0 5 3 8 8 5 2 3 3 9 1 4 1 2 0 6 2 9 7 1 1 6 8 9 4 4 8 5 0 0 9 4 5 1 3 8 4 1 6 9 1 0 8 7 3 3 7 4 9 6 3 ]
[5 2 8 1 5 4 6 5 2 5 3 6 9 5 4 6 7 1 9 7 9 1 9 0 5 8 4 6 4 0 7 3 9 6 9 0 7 3 0 0 5 9 1 2 2 4 9 8 7 9 2 2 1 9 2 5 1 3 7 1 2 1 2 1 ]
[5 4 8 0 3 1 1 2 3 3 7 8 6 0 5 3 7 7 4 2 1 3 9 2 6 4 8 3 3 0 2 7 7 4 8 9 5 0 4 0 5 4 2 4 8 1 7 1 2 7 0 7 2 5 7 4 6 4 6 2 6 2 9 3 ]
[7 2 0 1 6 4 2 2 0 4 8 6 6 9 6 2 9 1 7 6 4 3 4 8 7 4 7 0 6 9 6 7 6 5 0 7 3 6 8 1 4 1 0 0 8 8 8 6 2 6 1 0 5 5 5 1 6 3 4 4 4 5 6 7 ]
[6 7 3 8 2 4 6 1 5 9 3 2 3 1 5 4 5 7 0 2 9 7 7 7 2 4 4 5 2 5 4 4 8 4 3 8 0 9 9 1 1 8 6 1 5 5 8 0 6 7 4 9 8 0 3 6 6 3 7 8 8 3 9 8 ]
[2 3 1 9 6 4 9 4 1 3 0 0 9 9 0 7 9 1 7 2 8 8 6 5 3 9 9 7 0 2 3 6 9 2 1 5 9 2 6 1 3 4 2 8 1 4 1 0 2 8 7 7 0 7 1 8 2 5 0 4 6 9 3 4 ]
[8 3 8 2 3 8 9 8 5 0 2 9 2 1 9 8 5 7 1 4 5 9 2 8 5 1 9 8 5 9 9 7 1 2 5 9 7 3 0 8 6 0 1 6 7 5 1 8 9 4 1 1 4 8 1 2 7 8 0 3 2 3 7 0 ]
[6 4 8 6 1 5 6 2 3 2 8 8 8 1 3 3 8 3 0 3 4 1 4 5 1 8 6 6 1 1 8 6 7 0 0 0 5 3 4 3 3 2 8 5 6 2 1 0 3 8 9 0 3 1 5 3 4 6 8 2 5 6 7 3 ]
[5 0 0 5 9 8 3 7 2 6 4 5 5 7 3 6 0 8 3 3 4 7 4 2 9 0 0 7 5 0 3 5 9 4 0 9 9 2 1 1 9 8 8 5 0 9 5 8 0 2 5 5 2 7 4 6 7 1 3 1 0 0 2 2 ]
[0 1 5 5 3 9 3 5 0 1 9 7 7 2 1 3 4 0 5 0 1 3 0 7 0 5 0 7 1 3 4 8 4 3 0 2 6 0 9 6 8 1 2 6 8 6 7 2 3 6 4 6 8 1 7 2 1 0 8 1 5 9 9 4 ]
[9 3 6 8 4 9 5 8 1 2 1 7 7 3 5 7 3 8 8 3 1 3 7 5 0 1 9 9 6 8 7 8 9 0 2 2 4 5 8 3 3 8 9 4 0 4 2 8 9 1 0 1 8 5 3 3 0 5 6 7 1 9 5 7 ]
[6 8 8 3 0 8 6 0 8 4 7 4 8 9 7 4 2 3 4 3 9 8 3 7 0 2 2 5 1 9 2 7 5 5 8 1 8 9 5 7 5 5 1 4 8 2 7 2 5 3 2 5 7 8 3 7 0 0 6 2 4 6 3 6 ]
[4 7 0 7 3 5 3 7 4 0 8 8 1 0 2 6 0 7 4 8 2 3 4 4 5 7 5 9 8 6 0 5 0 9 9 4 1 4 6 5 8 4 3 1 3 1 1 1 0 5 2 3 8 9 4 7 0 8 3 7 0 9 0 1 ]
[1 1 2 1 2 2 2 7 7 4 7 8 2 6 4 9 4 5 7 7 5 0 4 6 0 8 2 5 5 1 0 1 9 5 2 8 0 6 3 3 9 8 9 0 6 5 4 6 5 9 0 4 9 9 4 3 8 9 3 0 0 3 6 6 ]
[6 8 9 3 5 5 4 6 2 8 4 6 4 9 6 0 0 0 7 5 4 3 3 0 0 4 9 1 2 6 9 9 6 7 5 9 0 4 7 2 2 6 4 4 0 5 8 0 6 3 5 0 0 4 3 0 2 9 9 5 8 7 1 3 ]
[5 0 5 0 9 9 9 8 5 5 2 9 3 7 4 1 1 1 3 1 1 0 7 8 6 8 5 9 3 7 0 9 7 3 2 5 7 5 7 2 8 2 3 6 5 4 8 5 8 9 9 6 1 2 0 0 4 0 7 1 0 2 1 9 ]
[0 4 7 1 6 4 9 9 8 1 5 3 7 5 9 5 8 4 6 2 5 2 8 6 7 3 1 7 0 5 9 4 4 2 7 9 8 3 7 9 0 3 3 0 7 5 9 6 3 6 5 6 7 0 0 7 1 4 5 8 0 1 7 6 ]
[7 5 6 9 4 6 4 4 6 6 6 5 6 7 6 2 0 1 5 1 7 6 5 9 9 9 3 2 8 1 6 9 8 4 5 5 0 9 4 6 4 1 2 2 7 3 1 1 4 9 8 6 6 7 9 4 8 6 4 8 5 0 2 4 ]
[5 0 5 6 3 0 3 5 6 2 5 7 8 1 8 6 2 4 9 2 4 7 8 7 7 8 3 5 9 1 2 6 9 6 7 0 9 6 3 5 9 7 4 2 7 2 5 3 8 6 7 6 1 9 1 4 8 1 7 2 2 5 0 5 ]
[8 0 6 9 6 7 9 9 2 9 3 3 2 5 6 0 7 5 9 6 5 6 6 5 0 4 7 7 9 0 1 1 3 0 1 7 1 3 4 9 1 8 7 9 0 4 6 7 8 4 4 5 1 2 6 5 9 9 8 7 3 5 0 4 ]
[5 2 9 6 0 7 3 7 6 3 6 8 0 7 7 8 9 3 7 3 4 4 1 5 4 5 3 2 7 6 9 3 7 9 4 1 4 2 6 7 2 5 7 8 0 1 8 7 4 7 2 5 6 3 5 5 9 2 6 6 2 7 2 9 ]
[6 4 3 3 5 6 9 1 2 6 3 0 3 9 8 7 2 2 4 7 0 0 4 7 6 5 0 9 3 7 9 6 5 8 6 1 5 4 6 8 3 8 3 4 4 3 1 1 2 9 3 0 0 7 6 3 9 8 9 0 7 3 2 9 ]
[6 0 4 0 2 2 6 1 0 8 0 9 1 0 9 0 3 2 5 6 8 7 8 2 1 9 7 8 3 7 2 2 9 3 0 0 0 4 0 4 7 0 0 7 1 8 8 1 7 6 0 2 6 4 3 3 6 7 1 5 0 8 2 8 ]
[1 1 3 6 6 8 4 4 4 5 0 5 9 9 4 1 4 0 5 6 4 9 5 9 8 0 6 1 0 4 3 1 8 0 4 8 8 3 7 0 1 3 2 3 9 0 7 0 6 7 8 4 9 6 8 0 0 1 6 3 1 0 0 0 ]
[7 6 3 3 8 8 7 8 3 9 7 0 8 8 0 0 0 9 1 5 9 4 7 7 2 1 0 6 8 9 1 4 3 7 9 5 8 4 1 9 0 4 9 8 4 1 4 3 6 3 6 5 7 9 4 2 7 8 5 0 1 9 9 9 ]
[1 8 7 7 9 8 4 9 7 4 6 1 4 2 3 3 5 7 4 3 9 6 2 8 8 9 4 1 4 8 5 0 4 5 1 0 0 6 5 0 2 7 5 0 5 2 1 9 7 5 9 9 3 7 0 3 9 8 5 6 9 6 7 3 ]
[5 3 1 5 3 7 7 3 8 4 9 7 7 0 0 3 4 5 9 7 6 7 1 7 0 7 8 8 3 6 9 6 3 6 5 5 3 2 7 2 3 9 9 9 9 3 8 6 7 0 1 6 1 0 7 4 5 4 3 0 1 0 6 8 ]
[6 4 3 8 2 4 0 9 6 5 7 5 0 3 1 7 2 7 7 4 4 2 9 0 7 4 4 7 3 6 4 0 5 6 3 1 3 3 2 4 9 0 8 1 7 5 4 9 9 0 1 3 7 8 0 2 7 9 2 8 3 8 5 9 ]
[7 9 7 8 1 6 3 0 0 9 4 5 6 7 1 1 6 0 4 5 7 5 3 5 9 1 7 9 1 0 5 3 4 7 6 5 5 5 6 2 2 7 2 3 7 4 9 0 1 8 5 9 7 9 3 2 4 6 8 8 9 0 0 1 ]
[3 3 9 7 8 1 0 8 0 5 6 6 3 0 1 5 1 2 9 9 6 2 2 7 5 3 2 9 0 2 5 1 3 2 0 9 6 0 4 0 2 6 4 2 5 8 2 4 0 0 5 9 1 1 3 3 1 0 2 0 3 2 4 5 ]
[6 6 3 0 0 0 5 0 0 6 6 8 2 8 3 6 2 5 0 5 0 0 5 4 1 1 6 3 3 6 2 2 0 3 3 4 8 4 7 9 2 1 2 0 5 1 9 3 5 5 2 0 1 6 2 9 1 1 6 9 3 0 5 0 ]
--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
[5 9 7 9 9 9 8 8 9 9 6 7 9 8 9 9 9 8 8 9 7 7 9 9 9 8 8 9 8 8 6 8 ]
[9 9 9 9 9 9 8 8 9 3 3 9 9 8 6 9 6 7 6 6 5 7 6 7 6 9 8 9 8 8 8 5 ]
[5 8 8 6 9 6 7 8 8 9 6 9 7 8 9 6 9 6 7 8 2 8 6 6 5 9 8 8 8 9 8 9 ]
[6 8 7 7 7 9 8 8 7 8 7 9 9 5 9 8 8 6 8 5 7 9 6 8 9 8 9 7 5 4 9 6 ]
[6 6 9 7 9 7 5 7 9 5 9 6 9 6 6 8 6 6 2 8 8 8 7 4 9 5 5 8 7 7 8 7 ]
[8 8 7 6 9 6 7 9 9 6 7 9 9 9 8 9 7 2 7 9 9 8 4 8 7 9 9 9 8 8 8 9 ]
[8 9 5 6 9 6 6 9 5 6 7 9 5 8 9 9 7 8 6 9 9 5 4 9 6 9 6 9 9 4 6 8 ]
[5 9 8 5 9 6 8 8 8 9 9 9 9 7 6 8 3 7 7 5 9 9 7 9 9 9 4 6 6 9 9 8 ]
[8 8 7 6 9 8 7 9 8 3 9 9 9 9 5 9 9 9 9 9 8 9 8 7 8 7 7 5 9 7 9 9 ]
[9 9 8 6 9 9 7 7 5 7 8 6 8 9 6 7 8 8 7 4 6 7 6 7 9 8 9 6 9 8 9 8 ]
[6 8 5 8 8 9 9 6 6 3 9 8 6 9 9 5 8 9 6 4 6 9 9 6 9 8 9 9 9 9 9 6 ]
[9 9 6 7 8 8 6 9 9 9 8 7 8 9 6 9 5 9 5 9 7 8 9 4 9 9 9 7 8 8 8 6 ]
[7 6 9 8 9 7 9 9 6 9 9 5 2 7 9 8 6 7 7 9 7 8 3 8 4 8 8 8 9 9 9 8 ]
[9 5 7 4 8 7 7 7 8 8 6 8 9 8 9 7 8 8 9 9 6 9 8 9 6 5 6 8 9 8 8 9 ]
[7 7 9 7 9 7 6 7 8 9 9 9 9 7 7 4 5 9 7 9 9 9 8 5 7 8 8 9 9 9 8 7 ]
[7 8 9 9 7 9 5 9 9 7 6 9 8 6 4 9 9 7 9 5 9 9 9 8 6 8 5 9 7 8 8 8 ]
[7 9 8 6 7 8 9 5 8 6 8 9 6 4 6 9 8 9 9 9 5 9 5 7 8 7 9 8 7 7 9 6 ]
[5 8 5 6 5 8 9 6 7 9 9 9 8 8 4 7 9 9 7 4 9 4 8 9 9 7 9 7 6 7 6 9 ]
[7 8 6 6 9 8 9 6 9 7 9 8 7 7 9 7 8 8 9 9 8 6 8 8 7 9 8 6 6 8 8 9 ]
[8 9 8 9 5 9 9 9 9 7 9 8 9 9 9 9 9 9 9 8 6 8 7 8 9 7 8 8 8 4 9 7 ]
[6 8 9 7 6 8 8 6 8 3 7 5 9 7 5 8 9 9 9 4 9 8 9 8 8 9 7 6 7 8 6 7 ]
[9 8 9 8 2 9 7 7 8 8 3 7 5 9 8 8 9 2 6 9 8 9 8 8 9 6 8 7 5 8 9 9 ]
[8 8 8 7 8 8 9 7 7 8 9 7 7 9 9 7 9 9 9 7 8 4 8 7 5 5 9 7 8 7 9 6 ]
[8 9 5 7 8 8 9 9 5 7 5 6 8 9 6 9 9 9 6 7 9 9 6 8 9 5 9 4 9 9 8 6 ]
[5 7 9 9 8 9 7 9 8 6 5 8 8 9 7 9 7 9 8 9 8 6 7 9 9 9 7 7 4 8 2 9 ]
[7 9 6 5 6 7 8 8 4 9 7 9 9 5 9 9 9 7 9 6 9 4 7 5 9 8 9 9 8 8 5 5 ]
[8 9 7 9 9 8 7 8 9 9 6 6 5 7 9 9 9 7 4 9 8 9 4 8 8 5 6 6 9 8 7 9 ]
[6 4 6 9 8 9 9 9 3 7 8 8 9 9 7 9 9 6 5 8 8 7 8 8 9 3 7 6 9 9 8 9 ]
[7 6 8 8 9 7 9 4 9 6 9 9 8 6 9 4 8 9 8 9 4 9 9 7 7 8 9 8 8 6 9 9 ]
[8 7 9 9 8 9 7 3 7 9 9 8 9 8 8 9 6 5 6 7 9 9 9 9 7 9 7 7 9 6 9 8 ]
[9 8 6 9 9 7 7 7 7 7 7 9 9 9 6 5 7 6 5 6 9 8 7 9 9 9 9 3 9 8 9 9 ]
[6 9 8 8 6 8 8 6 5 9 6 7 5 9 6 5 3 9 8 9 6 4 8 9 5 9 6 9 1 9 3 5 ]

Process finished with exit code 0
HJZ11
关注
专栏目录
深度学习01--Mnist手写体识别
weixin_57950256的博客
04-19 1099
纯记录自己在深度学习方面的学习历程--基于b站的人工智能许多up主的教学视频 定义一个多层感知机的类 import numpy as np from utils.features import prepare_for_training from utils.hypothesis import sigmoid, sigmoid_gradient # 定义一个类，叫多层感知机--multilayer perceptron class MultilayerPerceptron: # 初始化，dat
【TensorFlow】Keras-图像分类Fashion-MNIST（tf2）
chenvvei的博客
04-17 633
使用tf.keras来训练一个神经网络模型， 用于分类衣物图像（如运动鞋和衬衫） from __future__ import absolute_import, division, print_function, unicode_literals # TensorFlow and tf.keras import tensorflow as tf from tensorflow import keras # Helper libraries import numpy as np import matplo
基本图像分类- Fashion MNIST
chbxw
12-12 1453
kears 图像分类-分类衣服 tensorflow2.0
笔记--基于Mnist、FashionMnist和CIFAR10公开数据集的dataset与dataloader使用代码详细注释并建立简单模型进行训练和预测（直接运行）
最新发布
weixin_70125213的博客
04-09 478
基于Mnist、FashionMnist和CIFAR10公开数据集的dataset与dataloader使用并建立简单模型进行训练和预测
初识tensorflow2.0--Fashion MNIST识别
weixin_43872532的博客
06-24 302
导入 Fashion MNIST 数据集 该数据集包含 10 个类别的 70,000 个灰度图像。这些图像以低分辨率（28x28 像素）展示了单件衣物。 我们使用 60,000 个图像来训练网络，使用 10,000 个图像来评估网络学习对图像分类的准确率。您可以直接从 TensorFlow 访问 Fashion MNIST。请运行以下代码，直接从 TensorFlow 中导入和加载 Fashion MNIST 数据： # TensorFlow and tf.keras import tensorflow a
深度学习入坑（二）----MNIST手写识别
zym_1990的博客
01-31 1355
基于R1.5版本的TensorFlow+Anaconda3.6+Win。搞了一天。算是明白是什么流程了。但是还是有很多不懂的地方。深度学习的hello world 好难。关键是训练之后。使用自己的图片测试。几乎全错，让我感觉对的那几次根本就是碰运气。贴代码吧。原英文注释就不去掉了。说的很详细。有个关键类Estimator。训练过程中输出LOG并且保存meta data index checkpoi...
TensorFlow——基于Keras子类API的fashion-mnist数据集图像分类
无限迭代中......
01-25 308
https://tensorflow.google.cn/tutorials/keras/classification 解决方案 #!usr/bin/env python # -*- coding:utf-8 _*- """ @version: 0.0.1 author: ShenTuZhiGang @time: 2021/01/25 16:33 @file: 12.py @function: @modify: """ from tensorflow import keras import t...
Fashion-MNIST: Get Start with Deep Learning in Keras (Tensorflow based)
Mango_Holi的博客
05-25 494
The code is a material forHoli's tutorial of 'Introduction to Machine Learning', Code and Coffee,GDG Suzhou. Thanks for Tensorflow team to provide the tutorial for us and then make it much easier...
tensorflow 4. 逻辑回归-mnist和softmax的应用
yuanlulu的博客
03-21 962
这里有一个例子演示使用softmax算法对mnist数据集做逻辑回归训练。代码在这里 这里的例子与temsorflow tutorials下的例子有较大差异。官方的源码在这里 主要差异在官方例子严格封装了四部曲：预测、损失、训练、评估。本文的例子也都有相应的步骤，但是没有将每一步封装成函数。所以推荐大家去看下tensorflow官网例子的代码风格。 四部曲的一个讲解图片： 本次先来研究...
keras mnist 数据集 2020-07-25 01:55:37-数据集
03-14
**Keras MNIST 数据集详解** MNIST 数据集是机器学习和深度学习领域最常用的图像识别数据集之一，尤其在入门级别的教程中广泛使用。它包含60,000个训练样本和10,000个测试样本，每个样本都是28x28像素的手写数字...
2020中国华录杯·数据湖算法大赛—定向算法赛（吸烟打电话检测）baseline-tensorflow2.3-python3.6
HJZ11的博客
10-20 2693
文章目录1.赛事背景1.主办方2.赛事介绍2.baseline2.1 文件夹结构2.2 demo1. 01_train_test_split.py2. 02_tf2_mobilev2_classes.py3. 03_predict.py3.问题及改进 1.赛事背景 1.主办方 赛事链接 2.赛事介绍 1. 【赛题描述】 行为规范，即指某些特定的场景会对人物的行为做出特定的限制，比如加油站禁止吸烟，驾驶员禁止打电话，博物馆禁止拍照等。随着计算机人工智能的发展，这些禁止行为或者不文明行为都可通过基于视
百度OCR文字识别API-试用
HJZ11的博客
08-13 2152
# -*- coding: utf-8 -*- import glob from os import path import os from aip import AipOcr from PIL import Image def convertimg(picfile, outdir): '''调整图片大小，对于过大的图片进行压缩 picfile: 图片路径 outdir： 图片输出路径 ''' img = Image.open(picfile)
Halcon-深度学习初探
HJZ11的博客
06-22 1740
文章目录1.安装环境1.1 halcon1.2.Deep learning tool2.使用案例2.1 Deep learning tool案例2.2 Halcon参考案例 1.安装环境 1.1 halcon https://www.mvtec.com/downloads 下载步骤： 1. Full Version 1.9 GB---Halcon安装包 2. Deep Learning Data 1.2 GB 3. Deep Learning Core 1.6 GB 1.2.Deep lea
AI把图片转素描-Github项目Anime2Sketch
HJZ11的博客
05-14 1558
文章目录1.原址2.使用方法2.1 下载ZIP2.2 下载权重2.3 运行3 效果 1.原址 https://github.com/Mukosame/Anime2Sketch 2.使用方法 2.1 下载ZIP 2.2 下载权重 2.3 运行 python test.py --dataroot=E:\01_hjz\datas\00-hjz\pictures --load_size=512 3 效果 ...
2020中国华录杯·数据湖算法大赛—定向算法赛（吸烟打电话检测)-tensorflow2.3-python3.6-迁移学习
HJZ11的博客
10-20 1317
1.inceptionV3 """ python=3.6 tf=2.3.1 """ import os import tensorflow as tf from tensorflow.keras.models import * from tensorflow.keras.layers import * from tensorflow.keras.applications import * from tensorflow.keras.preprocessing.image import * from ten
3-Tensorflow-demo-Iris-softmax-tf实现鸢尾花数据多分类并可视化
HJZ11的博客
12-29 626
import tensorflow as tf import pandas as pd from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler import os def read_data(): iris = pd.read_csv(fi...
Fashion_MNIST数据集-tensorflow代码练习
HJZ11的博客
07-30 558
1.参考文章 Dataset之Fashion-MNIST：Fashion-MNIST数据集简介、下载、使用方法之详细攻略 fashion-mnist简介和使用及下载 TensorFlow 学习（六）时尚（衣服、鞋、包等） Fashion MNIST识别 fashion-mnist数据集下载至本地并使用 tensorflow官网:Basic classification: Classify images of clothing 2.demo ...
2-p02_fac阶乘函数
HJZ11的博客
02-21 502
def fac(n): result=1 for i in range(2,n+1): result*=i return result class BigInt: def __init__(self,value): self.digits=[value] def mul(self,n): addition=...
fashion-mnist dataset
10-25
Fashion-MNIST数据集是一个常用的机器学习数据集，主要用来进行图像分类任务。这个数据集包含了10个类别的服装图像，每个类别有6000张灰度图像，共60000张图像。每张图像的尺寸为28x28像素。 Fashion-MNIST数据集的...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值