matlab mat文件变成图片_MNIST手写数字数据库MATLAB版

1d5646440ff8fb26a924cc6392a96e5f.png

MNIST手写数字数据库原始下载地址:

MNIST handwritten digit database, Yann LeCun, Corinna Cortes and Chris Burges​yann.lecun.com

0.前言

网上很多转换MNIST手写数字的程序,鲜有MATLAB能直接使用的数据库版本。

1.MATLAB元胞数组数据格式

两个文件:

Train.mat:内含元胞数组Train;Train{i,1}为图像文件,大小28*28像素(0~255);Train{i,2}为标签文件,为i对应图片的标签值(0~9);

Test.mat:内含元胞数组Test;Test{i,1}为图像文件,大小28*28像素(0~255);Test{i,2}为标签文件,为i对应图片的标签值(0~9);

2.转换过程

按照官方的二进制格式说明,扔掉文件的前面的说明部分直接读取数据部分。

2.1训练数据

function TT
fidimg=fopen('train-images.idx3-ubyte','rb')
fidla=fopen('train-labels.idx1-ubyte','rb')

[img,count]=fread(fidimg,16);
[label,count]=fread(fidla,8);

Train=cell(60000,2);
for i=1:1000:60000    i
    [img,count]=fread(fidimg,[28,28]);
    [label,count]=fread(fidla,1);
    Train{i,1}=img;
    Train{i,2}=label;   
%     na=[num2str(label),'-',num2str(i),'.jpg'];%     
%     imwrite(img,na)   
end
% save Train.mat Train
end

2.2 测试数据

function TTest
fidimg=fopen('t10k-images.idx3-ubyte','rb')
fidla=fopen('t10k-labels.idx1-ubyte','rb')

[img,count]=fread(fidimg,16);
[label,count]=fread(fidla,8);
Test=cell(10000,2);
for i=1:1:10000
    i
    [img,count]=fread(fidimg,[28,28]);
    [label,count]=fread(fidla,1);
    Test{i,1}=img;
    Test{i,2}=label;      
end
save Test.mat Test
end

3.部分数据示例

bc444e5b319b19cbcc7b0e6405ec2dc8.png

4.MNIST手写数字MATLAB版下载地址

https://pan.baidu.com/s/10MD4ww9fQ_uWB0wj7r6NTw

提取码:fhjv

5.联系方式:

Email:Moon@momocv.com

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
这是一个使用Matlab实现MNIST手写数字识别的代码示例: ``` % Load MNIST dataset load mnist_all.mat % Concatenate training and testing data train_data = double([train0;train1;train2;train3;train4;train5;train6;train7;train8;train9]); train_labels = double([zeros(size(train0,1),1);ones(size(train1,1),1);2*ones(size(train2,1),1);3*ones(size(train3,1),1);4*ones(size(train4,1),1);5*ones(size(train5,1),1);6*ones(size(train6,1),1);7*ones(size(train7,1),1);8*ones(size(train8,1),1);9*ones(size(train9,1),1)]); test_data = double([test0;test1;test2;test3;test4;test5;test6;test7;test8;test9]); test_labels = double([zeros(size(test0,1),1);ones(size(test1,1),1);2*ones(size(test2,1),1);3*ones(size(test3,1),1);4*ones(size(test4,1),1);5*ones(size(test5,1),1);6*ones(size(test6,1),1);7*ones(size(test7,1),1);8*ones(size(test8,1),1);9*ones(size(test9,1),1)]); % Normalize the data train_data = train_data/255; test_data = test_data/255; % Train a support vector machine (SVM) classifier svm = fitcecoc(train_data,train_labels); % Test the classifier on the test data predicted_labels = predict(svm,test_data); % Calculate the accuracy of the classifier accuracy = sum(predicted_labels == test_labels)/length(test_labels); % Display the accuracy disp(['Accuracy: ' num2str(accuracy*100) '%']); ``` 这段代码加载MNIST数据集,将训练和测试数据拼接起来,对数据进行归一化处理,使用支持向量机(SVM)分类器进行训练和测试,最后计算分类器的准确度并将其显示出来。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值