手写数字识别

最新推荐文章于 2024-09-04 21:04:06 发布

studyiiii

最新推荐文章于 2024-09-04 21:04:06 发布

阅读量241

点赞数

文章标签： python 深度学习人工智能

本文链接：https://blog.csdn.net/qq_42383076/article/details/119817853

版权

本文档介绍了一个使用Python实现的手写数字识别的代码示例，涉及MNIST数据集的加载和预处理。在加载数据时遇到了HTTPError 503和EOFError两个错误，分别给出了相应的解决方法。作者强调首次下载数据集可能较慢，但后续读取本地文件会快很多。代码中展示了如何将图像数据重塑回原始尺寸并显示。

摘要由CSDN通过智能技术生成

照着鱼书上面实现手写数字识别代码。

一、MNIST数据集

首先下载MNIST数据集，并且将数据输出瞧一瞧。

import sys, os
sys.path.append(os.pardir)  # 为了导入父目录中的文件而进行设定
from dataset.mnist import load_mnist
import numpy as np
from PIL import Image
'''mnist_show.py文件的当前工作目录为ch03，但是load_mnist（）函数的mnist.py文件在dataset目录下。
因此，mnist_show.py文件不可以跨文件直接导入mnist.py文件。
sys.path.append(os.pardir)语句实际上是把父目录deep-learning-from-scatch加入到sys.path（Python 的搜索目录模块的路径集中），
从而可以导入deep-learning-from-scatch下的任何目录(包括dataset目录)中的任何文件。
'''

def img_show(img):
    # 实现array到image的转换
    pil_img = Image.fromarray(np.uint8(img))
    pil_img.show()
# flatten(是否将数组变成1维数组)，normalize是是否将输入图像正规化0.0-1.0的值。读入mnist数据
# 第一次调用的时候由于要下载数据集，所以速度较慢；之后只需要读入保存在本地的文件即可
# （训练图像，训练标签）， （测试图像，测试标签）
(x_train, t_train), (x_test, t_test) = load_mnist(flatten=True,
                                                  normalize=False)
img = x_train[0]
label = t_train[0]
print(label) # 5

print(img.shape) # （784，）
img = img.reshape(28, 28) # 把图像的形状变成原来的尺寸
print(img.shape) # (28, 28)

img_show(img)

报错1：urllib.error.HTTPError: HTTP Error 503: Service Unavailable
解决方法：博客.
如果找不到IIS，解决方法如下，解决办法.
报错2：EOFError: Compressed file ended before the end-of-stream marker was reached
解决方法：参考博客.
tips：在第一次下载可能花费比较长的时间，当想要显示图片的时候，如果一次运行没有正常显示，再次运行就🆗了。
未完待续。。