MNIST数据集转化为二维图片的实现示例

 更新时间:2020年4月27日 21:20  
这篇文章主要介绍了MNIST数据集转化为二维图片的实现示例,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧

本文介绍了MNIST数据集转化为二维图片的实现示例,分享给大家,具体如下:

#coding: utf-8
from tensorflow.examples.tutorials.mnist import input_data
import scipy.misc
import os

# 读取MNIST数据集。如果不存在会事先下载。
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)

# 我们把原始图片保存在MNIST_data/raw/文件夹下
# 如果没有这个文件夹会自动创建
save_dir = 'MNIST_data/raw/'
if os.path.exists(save_dir) is False:
  os.makedirs(save_dir)

# 保存前20张图片
for i in range(20):
  # 请注意,mnist.train.images[i, :]就表示第i张图片(序号从0开始)
  image_array = mnist.train.images[i, :]
  # TensorFlow中的MNIST图片是一个784维的向量,我们重新把它还原为28x28维的图像。
  image_array = image_array.reshape(28, 28)
  # 保存文件的格式为 mnist_train_0.jpg, mnist_train_1.jpg, ... ,mnist_train_19.jpg
  filename = save_dir + 'mnist_train_%d.jpg' % i
  # 将image_array保存为图片
  # 先用scipy.misc.toimage转换为图像,再调用save直接保存。
  scipy.misc.toimage(image_array, cmin=0.0, cmax=1.0).save(filename)

print('Please check: %s ' % save_dir)

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持猪先飞。