MNIST 手写数字图像集 python实现图像识别

# coding: utf-8
import sys
import os

import numpy as np

sys.path.append(os.pardir)

from dataset.mnist import load_mnist

from PIL import Image


def img_show(img):
    pil_img = Image.fromarray(np.uint8(img))
    pil_img.show()


(x_train, t_train), (x_test, t_test) = load_mnist(flatten=True, normalize=False)
print(x_train.shape)  # (60000, 784)
print(t_train.shape)
print(x_test.shape)
print(t_test.shape)

img = x_train[0]
label = t_train[0]
print(t_train)
print(label)

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

img_show(img)

#  手写数字识别
#  假设训练和学习的过程全部结束，我们使用学习到的参数，先实现神经网络的推理处理，这个推理处理可以称之为神经网络的前向传播（forward propagation）
#  和求解机器学习问题的步骤（训练和推理）一样，使用神经网络解决问题也需要首先使用训练数据（学习数据）进行权重参数的学习，
#       在进行推理过程，使用刚才学到的参数对输入数据进行分类

#  MNIST 手写数字图像集，机器学习领域最有名的数据集之一，由0-9的数字图像构成