MNIST 数据集介绍

MNIST 数据集官网：http://yann.lecun.com/exdb/mnist/

MNIST 数据库是非常经典的一个数据集，就像你学编程起初写一个“Hello Word”的程序一样，学 Deep Learning 你就会写识别 MNIST 数据集的 Model。

MNIST 数据集是由 0〜9 手写数字图片和数字标签所组成的，由 60000 个训练样本和 10000 个测试样本组成，每个样本都是一张 28 * 28 像素的灰度手写数字图片。如下图所示。

MNIST 数据库一共有四个文件案，分别为

1. train-images-idx3-ubyte.gz：训练集图片（9912422 字节），55000 张训练集，5000 张验证集

2. train-labels-idx1-ubyte.gz：训练集图片对应的标签（28881 字节），

3. t10k-images-idx3-ubyte .gz：测试集图片（1648877 字节），10000 张图片

4. t10k-labels-idx1-ubyte.gz：测试集图片对应的标签（4542 字节）

图片是指 0〜9 手写数字图片，而标签则是对应该图片之实际数字。

MNIST 数据集下载及可视化

TensorFlow 提供了一个库可以对 MNIST 数据集进行下载和解压。具体的是使用 TensorFlow 中 input_data.py 脚本来读取数据及标签，使用这种方式时，可以不用事先下载好数据集，它会自动下载并存放到你指定的位置。具体程序如下所示：

#!/usr/bin/env python
# -*- coding:utf-8 -*-
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
import matplotlib.pyplot as plt
# MNIST_data 指的是存放数据的文件夹路径，one_hot=True 为采用 one_hot 的编码方式编码标签
mnist = input_data.read_data_sets('../datasets/MNIST_data/', one_hot=True)
# load data
train_X = mnist.train.images
train_Y = mnist.train.labels
print(train_X.shape, train_Y.shape)   # 输出训练集样本和标签的大小
# 查看数据，例如训练集中第一个样本的内容和标签
print(train_X[0])       # 是一个包含 784 个元素且值在 [0,1] 之间的向量
print(train_Y[0])
# 可视化样本，下面是输出了训练集中前 4 个样本
fig, ax = plt.subplots(nrows=2, ncols=2, sharex='all', sharey='all')
ax = ax.flatten()
for i in range(4):
    img = train_X[i].reshape(28, 28)
    # ax[i].imshow(img,cmap='Greys')
    ax[i].imshow(img)
ax[0].set_xticks([])
ax[0].set_yticks([])
plt.tight_layout()
plt.show()

运行结果为：

输出训练样本和标签的大小
(55000, 784) (55000, 10)
查看第一个样本的数据(数据很多，做了部分省略)：[0.         0.         0.         0.3803922  0.37647063 0.3019608
 0.46274513 0.2392157  0.         0.         0.         0.]
 
print("查看第一个样本的标签")：[0. 0. 0. 0. 0. 0. 0. 1. 0. 0.]

训练集中前 4 个样本图片显示：

计算机视觉联盟 报道 | 公众号 CVLianMeng