如何將pytorch中mnist數(shù)據(jù)集的圖像可視化及保存
導(dǎo)出一些庫
|
1
2
3
4
5
6
7
8
|
import torchimport torchvision import torch.utils.data as Data import scipy.miscimport osimport matplotlib.pyplot as plt BATCH_SIZE = 50DOWNLOAD_MNIST = True |
數(shù)據(jù)集的準(zhǔn)備
#訓(xùn)練集測試集的準(zhǔn)備
|
1
2
3
|
train_data = torchvision.datasets.MNIST(root='./mnist/', train=True,transform=torchvision.transforms.ToTensor(), download=DOWNLOAD_MNIST, )test_data = torchvision.datasets.MNIST(root='./mnist/', train=False) |
將訓(xùn)練及測試集利用dataloader進(jìn)行迭代
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
|
train_loader = Data.DataLoader(dataset=train_data, batch_size=BATCH_SIZE, shuffle=True)test_x = Variable(torch.unsqueeze(test_data.test_data, dim=1), requires_grad=True).type(torch.FloatTensor)[:20]/255test_y = test_data.test_labels[:20]#前兩千張 #具體查看圖像形式為： a_data, a_label = train_data[0]print(type(a_data))#tensor 類型#print(a_data)print(a_label)#把原始圖片保存至MNIST_data/raw/下save_dir="mnist/raw/"if os.path.exists(save_dir)is False: os.makedirs(save_dir) for i in range(20): image_array,_=train_data[i]#打印第i個(gè) image_array=image_array.resize(28,28) filename=save_dir + 'mnist_train_%d.jpg' % i#保存文件的格式 print(filename) print(train_data.train_labels[i])#打印出標(biāo)簽 scipy.misc.toimage(image_array,cmin=0.0,cmax=1.0).save(filename)#保存圖像 |
以上這篇pytorch實(shí)現(xiàn)mnist數(shù)據(jù)集的圖像可視化及保存就是小編分享給大家的全部內(nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持服務(wù)器之家。
原文鏈接：https://blog.csdn.net/weixin_40123108/article/details/83926476
