Neural Networks and Deep Learning 的MNIST数据可视化

Neural Networks and Deep Learning中我有跟着作者一直阅读这本书，但是后来看到了第三章 可以觉得内容有点冗长，总结了一下，我自己过去一周阅读第三章花费了不少时间，但是收获不是很多（因为第三章的内容在第一第二章已经提过），后来甚至老师在提出希望我每十天总结一篇学习汇报的时候 我无从下手 于是我就去和别人讨论自己的问题， 总结自己的问题
首先，第一第二章对于初学者来书真是圣书，一下子带你写一个可以识别数字的神经网络，注意这里只是神经网络，而非实现其背后的目的-识别数字，而背后要自己补充的事是

1. 第一数据加载的时候 有没有考虑数据是以什么格式存储，为什么不是图片，不是说好了识别文字图片吗，那怎么让这些数据可视化成原来的图片
2. 第二如何在神经网络训练出来的网络在达到一定条件的时候（比如权重和偏置）保存下来 ，作为接口，要用的时候直接调用，并且可以直接预测到数字

今天解决第一个问题
首先看数据集是mnist.pkl.gz，注意不是MNIST(手写数字图片识别+ubyte.gz文件)，百度搜索MNIST可视化基本都是以后面的文件进行操作，那么两者的区别是什么，这里推荐博客
https://blog.csdn.net/qq_41185868/article/details/79094752
利用Python将已有mnist数据集MNIST(手写数字图片识别+ubyte.gz文件)通过移动像素上下左右的方法来扩大的数据集mnist.pkl.gz
好了知道关系之后 看怎么可视化mnist.pkl.gz
百度没有结果找谷歌搜索 毕竟这本书是国外的 因为有人遇到同样的需求吧
这里直接传送门
https://stackoverflow.com/questions/24906126/how-to-unpack-pkl-file
我是看评论得到的

不好意思英文水平有限 看英文翻译吧

然后建两个py文件就可以了 一个load

import gzip
import pickle


with gzip.open('mnist.pkl.gz', 'rb') as f:
    train_set, valid_set, test_set = pickle.load(f,encoding='bytes')

train_x, train_y = train_set`

另一个

import matplotlib.cm as cm
import matplotlib.pyplot as plt

from load import train_x

plt.imshow(train_x[0].reshape((28, 28)), cmap=cm.Greys_r)
plt.show()

这里查看的是第6000张图train_x[5999]

想看那个样本就看那个 修改train_x[0]里面的下标就行了 当然你也可以打包所有出来 用for循环啥的就行了 记得把数据集mnist.pkl.gz放到目录下