✨博客主页:王乐予🎈
✨年轻人要:Living for the moment(活在当下)!💪
🏆推荐专栏:【图像处理】【千锤百炼Python】【深度学习】【排序算法】
😺一、简述
MNIST数据集是计算机视觉领域的一个入门级数据集!
【深度学习实战—1】:基于Keras的手写数字识别这篇博文已经介绍了如何使用MNIST数据集并基于keras框架做了一个分类任务!
该篇博文的目的就是如何将MNIST数据集的图片导出并保存至本地文件夹中。🛴
😺二、程序编写
🐶2.1 文件夹建立
步骤一:首先我们在桌面(也可为其他路径)路径下建立一个名为mnist的空文件夹;
步骤二:在mnist文件夹下建立train和test文件夹;
步骤三:分别在train和test文件夹下建立0-9共10个空文件夹。
🐶2.2 程序编写
对训练集数据进行图像保存的程序如下所示:
from keras.datasets import mnist
from PIL import Image
(x_train_original, y_train_original), (x_test_original, y_test_original) = mnist.load_data()
root_path = 'C:\\Users\\Lenovo\\Desktop\\mnist\\'
def mnist_train_save():
for i in range(60000):
if (y_train_original[i] == 0):
img = Image.fromarray(x_train_original[i])
img.save(root_path + 'train\\0\\' + str(i) + '.jpg')
elif (y_train_original[i] == 1):
img = Image.fromarray(x_train_original[i])
img.save(root_path + 'train\\1\\' + str(i) + '.jpg')
elif (y_train_original[i] == 2):
img = Image.fromarray(x_train_original[i])
img.save(root_path + 'train\\2\\' + str(i) + '.jpg')
elif (y_train_original[i] == 3):
img = Image.fromarray(x_train_original[i])
img.save(root_path + 'train\\3\\' + str(i) + '.jpg')
elif (y_train_original[i] == 4):
img = Image.fromarray(x_train_original[i])
img.save(root_path + 'train\\4\\' + str(i) + '.jpg')
elif (y_train_original[i] == 5):
img = Image.fromarray(x_train_original[i])
img.save(root_path + 'train\\5\\' + str(i) + '.jpg')
elif (y_train_original[i] == 6):
img = Image.fromarray(x_train_original[i])
img.save(root_path + 'train\\6\\' + str(i) + '.jpg')
elif (y_train_original[i] == 7):
img = Image.fromarray(x_train_original[i])
img.save(root_path + 'train\\7\\' + str(i) + '.jpg')
elif (y_train_original[i] == 8):
img = Image.fromarray(x_train_original[i])
img.save(root_path + 'train\\8\\' + str(i) + '.jpg')
else:
img = Image.fromarray(x_train_original[i])
img.save(root_path + 'train\\9\\' + str(i) + '.jpg')
mnist_train_save()
print('图片保存完成')
对测试集数据进行图像保存的程序只需要把程序中的train改成test即可。
😺三、图片可视化
所有图像已打包好:手写数字识别(MNIST)数据集的图像分类汇总.rar