Tensorflow机器学习入门——cifar10数据集的读取、展示与保存

标签：com   www   http   ima   保存数据   保存图片   href   mat   机器学习   

• 基本信息
  • 官网：http://www.cs.toronto.edu/~kriz/cifar.html
  • 共60000张图片：50000张用于训练、10000张用于测试
  • 图片大小为：32X32
  • 数据集图片分为10类：每类6000张
    
• 数据集下载解压后的目录结构：
  
• 读取、打印和保存数据集中指定的图片：

  import pickle
  import matplotlib.pyplot as plt
  
  CIFAR_DIR ="cifar10_data/cifar-10-batches-bin/data_batch_1.bin"#数据集路径
  with open(CIFAR_DIR , ‘rb‘) as f:
      data = pickle.load(f, encoding=‘bytes‘)
  
  print(‘----------batch1的基本信息-------------‘)    
  print(‘data的数据类型：‘,type(data)) # 输出 <class ‘dict‘>
  print(‘字典的key名称：‘,data.keys()) # 输出 dict_keys([b‘filenames‘, b‘data‘, b‘labels‘, b‘batch_label‘])
  print(‘bdata的数据类型‘,type(data[b‘data‘])) # 输出 <class ‘numpy.ndarray‘>
  print(‘bdata的数据形状‘,data[b‘data‘].shape) # 输出 (10000, 3072) 说明有 10000 个样本, 3072个特征
  
  index=4#打印第几张图片
  print(‘-----------第%d张图片信息----------‘%index)
  print(‘filenames:‘,data[b‘filenames‘][index])
  print(‘labels:‘,data[b‘labels‘][index])
  print(‘batch_label:‘,data[b‘batch_label‘][index])
  image_arr = data[b‘data‘][index] # 拿出 第 index 个样本
  image_arr = image_arr.reshape((3, 32, 32)) # 将一维向量改变形状得到这样一个元组:(高,宽,通道数)
  image_arr = image_arr.transpose((1, 2, 0)) 
  plt.imshow(image_arr) # 输出图片
  plt.savefig("cifar10_data/raw/%d.png"%index)#保存图片
  plt.show()

• 打印出的图片
• 

   

   

Tensorflow机器学习入门——cifar10数据集的读取、展示与保存

标签：com   www   http   ima   保存数据   保存图片   href   mat   机器学习   

原文地址：https://www.cnblogs.com/Fengqiao/p/cifar10_read.html