python 识别数字字母 训练集_TensorFlow入门(四) - mnist手写数字识别(制作h5py训练集)...

TensorFlow入门(四) - mnist手写数字识别(制作h5py训练集)

这篇文章是 TensorFlow Tutorial 入门教程的第四篇文章。

在之前的几篇文章中，我们都是通过 tensorflow.examples.tutorials.mnist来使用mnist训练集集，制作训练集主要有2个目的，一是加快训练时读取的速度，而是支持随机批读取。假如，每次训练时，都是直接读取图片，再将图片转为矩阵进行训练，那这样效率无疑是非常低下的。

这篇文章将使用numpy 和 h5py(HDF5文件格式)2种方式来制作训练集，并对这两种方式进行对比。

准备图片

直接读取tensorflow中mnist数据集，将数据集还原为图片。

在这里，使用 pillow库将矩阵转为图片。

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18import numpy as np

from PIL import Image

from tensorflow.examples.tutorials.mnist import input_data

def gen_image(arr, index, label):

# 直接保存 arr，是黑底图片，1.0 - arr 是白底图片

matrix = (np.reshape(1.0 - arr, (28, 28)) * 255).astype(np.uint8)

img = Image.fromarray(matrix, 'L')

# 存储图片时，label_index的格式，方便在制作数据集时，从文件名即可知道label

img.save("./images/{}_{}.png".format(label, index))

data = input_data.read_data_sets('../mnist/data_set')