使用代码下载mnist数据集并且可视化部分图片以及标签

实验环境

ubuntu16.04
python 2.7
tensorflow-gpu 1.4

代码

#coding: utf-8
# 从tensorflow.examples.tutorials.mnist模块读取数据
from tensorflow.examples.tutorials.mnist import input_data
# misc 是 miscellaneous 的缩写，杂项 的意思。代表没别的合适的地方放了，就放在这里了。
import scipy.misc
# os是对文件操做的模块
import os

# 读取MNIST数据集。如果不存在会事先下载。one_hot为独热表示，例（0,0,1,0,0,0，0,0,0,0）表示属于第三类
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)

# 我们把原始图片保存在MNIST_data/raw/文件夹下
# 如果没有这个文件夹会自动创建
save_dir = 'MNIST_data/raw/'
if os.path.exists(save_dir) is False:
    os.makedirs(save_dir)

# 保存前20张图片
for i in range(20):
    # 请注意，mnist.train.images[i, :]就表示第i张图片（序号从0开始）
    image_array = mnist.train.images[i, :]
    # TensorFlow中的MNIST图片是一个784维的向量，我们重新把它还原为28x28维的图像。
    image_array = image_array.reshape(28, 28)
    # 保存文件的格式为 mnist_train_0.jpg, mnist_train_1.jpg, ... ,mnist_train_19.jpg
    filename = save_dir + 'mnist_train_%d.jpg' % i
    # 将image_array保存为图片
    # 先用scipy.misc.toimage转换为图像，再调用save直接保存。cmin cmax是什么意思？
    scipy.misc.toimage(image_array, cmin=0.0, cmax=1.0).save(filename)

print('Please check: %s ' % save_dir)

for i in range(20):
    one_hot_label=mnist.train.labels[i, :]
    label = np.argmax(one_hot_label)
    print('mnist_train_%d.jpg label: %d' % (i,label))

实验结果

程序会在代码同目录下生成一个MNIST_data文件夹，文件夹下会有四个压缩包，并且还有一个raw文件夹，里面有可视化图片的结果。