mnist数据集操作

1. mnist数据集操作

import sys
import numpy as np
import matplotlib.pyplot as plt
import tensorflow as tf
import argparse
import matplotlib.image as mpimg
from skimage import io  #利用skilt-image 将图片读成numpy数组
from tensorflow.examples.tutorials.mnist import input_data #引入tensorflow的mnist手写数字识别库
class Mnister:      #定义一个类
    def _init_(self):
        pass
    def learn_mnist(self):
        mnist = input_data.read_data_sets('datasets',one_hot = True)
        #tensorflow的input_data和read_data_sets，第一个是数据集存放路径，第二个参数是标签集的格式
        #one_hot独热编码,N个维度来对N个类别进行编码，并且对于每个类别，只有一个维度有效，记作数字1 ;其它维度均记作数字0.
        x_train_data = mnist.train.images  #取出输入训练信号数据X_train,为矩阵形式，一行代表一个样本有784维（28*28）
        y_train_label = mnist.train.labels  #取出输入训练信号标签y_train,为one_hot为行的矩阵形式，每一行代表对应样本的正确结果，在这是10维（0—9）
        x_validation_data = mnist.validation.images #取出验证集的数据集
        y_validation_label = mnist.validation.labels #取出验证集的数据集对应的标签（10维0-9）
        x_test_data = mnist.test.images    #取出测试集的数据集
        y_test_label = mnist.test.labels    #取出测试集的数据集对应的标签
        print('x_train_data:{0} y_train_label:{1}'.format(x_train_data.shape,y_train_label.shape))
        print(' x_validation_data:{0} y_validation_label:{1}'.format( x_validation_data.shape,y_validation_label.shape))
        print('x_test_data:{0} y_test_label:{1}'.format(x_test_data.shape,y_test_label.shape))
        image_raw = (x_train_data[1]*255).astype(int)#将第二个数据拿出，由0—1的浮点数，转化为0-255的整数灰度值。
        image = image_raw.reshape(28,28)    #将784维的行向量转化为28*28的矩阵
        label = y_train_label[1]            #读取该样本的正确结果标签
        idx = 0                             #定义索引
        for item in label:
            if 1==item:
                break   #标签向量one-hot此元素为1时终止循环，
            idx += 1
        plt.title('digit:{0}'.format(idx))#将样本标签的正确结果显示在图片上
        plt.imshow(image,cmap='gray')     #以灰度来显示图象
        plt.show()                       #显示图片
def main(self): 
    mnister = Mnister()
    mnister.learn_mnist()
if '__main__' == __name__:
    parser = argparse.ArgumentParser()
    parser.add_argument('--datda_dir',type = str,default='datasets',
                        help = 'Directory for storing input data')
    FLAGS,unparsed = parser.parse_known_args()
    tf.app.run(main = main,argv = [sys.argv[0]]+unparsed)