数据集的读取
以“(训练图像,训练标签),(测试图像,测试标签)”的形式读入的MNIST数据
import sys, os
sys.path.append(os.pardir) # 为了导入父目录中的文件而进行的设定
from dataset.mnist import load_mnist
(x_train, t_train), (x_test, t_test) = load_mnist(flatten=True, normalize=False)
# flatten:设置 是否展开输入图像(变成一维数组)
# normalize:设置是否将输入图像正规化为0.0~1.0的值。如果将该参数设置 为False,则输入图像的像素会保持原来的0~255
# one_hot_label设置是否将标签保存为onehot表示(one-hot representation)。 one-hot表示是仅正确解标签为1,其余 皆为0的数组,就像[0,0,1,0,0,0,0,0,0,0]这样。当one_hot_label为False时, 只是像7、2这样简单保存正确解标签;当one_hot_label为True时,标签则 保存为one-hot表示。
#在学习权重参数时,读数据集标签时需要用onehot格式的标签
显示某个样本图像
import numpy as np
from PIL import Image #为了显示图像
img = x_train[0]
label = t_train[0]
img = img.reshape(28, 28) #前面读取为一维数组,所以要reshape
def img_show