深度学习系列：从mnist数据集中提取mnist图片

最近一直在回顾深度学习的知识，打算对之前学习的知识做一个梳理，首先准备从keras提供的mnist数据集中提取出mnist图片；

mnist识别问题被认为是机器学习的“hello world”，算是一个入门级的实验，这里我用的keras是基于tensorflow 1.14.0的2.3.0版本，差别应该不大；

当然，实际中并不需要提取mnist图片，我这样做的原因是因为一般的自定义的图片分类任务都是从jpg类的原始文件开始的，所以希望实现一遍从头到尾的图片分类任务；

首先从keras提供的库中下载mnist数据集：

from keras.datasets import mnist

(x_train,y_train),(x_test,y_test) = mnist.load_data()

运行该命令可能需要等待从互联网下载mnist集，运行完该命令后，会在C盘的“用户/你的用户名/.keras/datasets”下保存文件，这样以后无论在任何位置都可以直接读取下载好的文件，而不用重新下载。

我们在当前目录下建一个train文件夹，然后在建10个子文件夹，用于保存生成的图片；

import os

if not os.path.exists("train"):
    os.makedirs("train")
for i in range(10):
    if not os.path.exists(os.path.join("train",str(i))):
        os.mkdir(os.path.join("train",str(i)))

调用opencv的imwrite函数即可保存文件；没有opencv的可以用下面命令进行安装：

pip install opencv-python

index_list = [0]*10

# x_train为图片，y_train为标签；
for i in range(x_train.shape[0]):
    file_name = os.path.join("train",str(y_train[i]),str(index_list[y_train[i]]) + '.bmp')
    index_list[y_train[i]] += 1
    cv2.imwrite(file_name,x_train[i])

运行完后会将图片保存在train文件夹内，一共60000张图像，均为28*28的灰度图;

类似的，可以处理test数据；

注意，keras的mnist模块加载的数据格式和其他深度学习框架有些不同，例如运行下面的命令：

print(x_train[0].shape)

keras的为(28,28),tensorflow的为784.当然，这些细节不必在意，无非是加入一个reshape的操作；

转换好的mnist数据集：https://pan.baidu.com/s/1Pl4YhbxaMMd-9ViKynzOkw