技术标签: python 计算机视觉 人工智能 Windows Python
随着图像处理、计算机视觉、机器学习,甚至深度学习的蓬勃发展,一个良好的数据集作为学习和测试相关算法非常重要。MNIST数据集对于想要学习和测试相关算法,同时又不想花费大量的时间收集和整理数据集的人们来说,这是一个很好的数据库。MNIST数据集官方地址为:http://yann.lecun.com/exdb/mnist/【请复制链接到浏览器打开,直接点击此处进入需要账号和密码】
http://yann.lecun.com/exdb/mnist/
MNIST 数据库是一个大型手写数字数据库(包含0~9十个数字),包含 60,000 张训练图像和 10,000 张测试图像,通常用于训练各种图像处理系统。训练数据集取自美国人口普查局员工,而测试数据集取自美国高中生。所有的手写数字图片的分辨率为28*28
。
MNIST训练集图像、训练集标签、测试集图像和测试及标签如下表:
数据集 | MNIST中的文件名 | 下载地址 | 文件大小 |
---|---|---|---|
训练集图像 | train-images-idx3-ubyte.gz | http://yann.lecun.com/exdb/mnist/train-images-idx3-ubyte.gz | 9912422字节 |
训练集标签 | train-labels-idx1-ubyte.gz | http://yann.lecun.com/exdb/mnist/train-labels-idx1-ubyte.gz | 28881字节 |
测试集图像 | t10k-images-idx3-ubyte.gz | http://yann.lecun.com/exdb/mnist/t10k-images-idx3-ubyte.gz | 1648877字节 |
测试集标签 | t10k-labels-idx1-ubyte.gz | http://yann.lecun.com/exdb/mnist/t10k-labels-idx1-ubyte.gz | 4542字节 |
【这里给出了多种下载方式,宝子们根据情况选择】
博主已将MNIST公开数据集上传至百度网盘,大家可以直接下载学习。
链接:https://pan.baidu.com/s/1xWA7VGvXyWczEqvosToGcA?pwd=4qzu
提取码:4qzu
复制这段内容后打开百度网盘手机App,操作更方便哦
wget.download(url, out=None, bar=bar_adaptive)
下载。wget
这个第三方库,否则pip install wget
安装。使用下面脚本会自动下载MNIST数据集的四个文件到download_minst(save_dir: str = None)
所传入的保存路径save_dir
中。"""
下载MNIST数据集脚本
"""
import os
from pathlib import Path
import logging
import wget
logging.basicConfig(level=logging.INFO, format="%(message)s")
def download_minst(save_dir: str = None) -> bool:
"""下载MNIST数据集
输入参数:
save_dir: MNIST数据集的保存地址. 类型: 字符串.
返回值:
全部下载成功返回True, 否则返回False
"""
save_dir = Path(save_dir)
train_set_imgs_addr = save_dir / "train-images-idx3-ubyte.gz"
train_set_labels_addr = save_dir / "train-labels-idx1-ubyte.gz"
test_set_imgs_addr = save_dir / "t10k-images-idx3-ubyte.gz"
test_set_labels_addr = save_dir / "t10k-labels-idx1-ubyte.gz"
try:
if not os.path.exists(train_set_imgs_addr):
logging.info("下载train-images-idx3-ubyte.gz")
filename = wget.download(url="http://yann.lecun.com/exdb/mnist/train-images-idx3-ubyte.gz", out=str(train_set_imgs_addr))
logging.info("\tdone.")
else:
logging.info("train-images-idx3-ubyte.gz已经存在.")
if not os.path.exists(train_set_labels_addr):
logging.info("下载train-labels-idx1-ubyte.gz.")
filename = wget.download(url="http://yann.lecun.com/exdb/mnist/train-labels-idx1-ubyte.gz", out=str(train_set_labels_addr))
logging.info("\tdone.")
else:
logging.info("train-labels-idx1-ubyte.gz已经存在.")
if not os.path.exists(test_set_imgs_addr):
logging.info("下载t10k-images-idx3-ubyte.gz.")
filename = wget.download(url="http://yann.lecun.com/exdb/mnist/t10k-images-idx3-ubyte.gz", out=str(test_set_imgs_addr))
logging.info("\tdone.")
else:
logging.info("t10k-images-idx3-ubyte.gz已经存在.")
if not os.path.exists(test_set_labels_addr):
logging.info("下载t10k-labels-idx1-ubyte.gz.")
filename = wget.download(url="http://yann.lecun.com/exdb/mnist/t10k-labels-idx1-ubyte.gz", out=str(test_set_labels_addr))
logging.info("\tdone.")
else:
logging.info("t10k-labels-idx1-ubyte.gz已经存在.")
except:
return False
return True
if __name__ == "__main__":
download_minst(save_dir="./")
直接进入http://yann.lecun.com/exdb/mnist/点击对应的数据集下载。【截止20231219,需要账号密码】
使用迅雷下载
不同于我们常见到的数据集图片通过jpg
这样的图片格式保存,标签通过txt
、xml
、json
等常规文本文件保存。MNIST的图片和标签均通过二进制文件进行保存,也就是我们无法直接在Windows中查看手写数字的图片和标签,必须要先解码。
MNITS的编码格式如下:
训练集
测试集
从上面官方提供的编码格式可以看出,MNIST的图片和标签均采用二进制编码,图片二进制编码文件的前16个字节(Byte)为描述性内容,我们可以不管,因为我们已经知道MNIST训练集60000张图片、测试集10000张图片,所有图片分辨率为28*28
,因此可以直接通过Python自带的gzip
工具读取MNIST数据集的图片和标签二进制编码文件,再通过numpy.frombuffer()
方法解析读取到的二进制信息,解析MNIST二进制文件的Python脚本如下:
"""
通过gzip和numpy解析MNIST数据集的二进制文件
"""
import os
import gzip
import logging
import numpy as np
logging.basicConfig(format="%(message)s", level=logging.DEBUG) # 设置Python日志管理工具的消息格式和显示级别
def parse_mnist(minst_file_addr: str = None, flatten: bool = False, one_hot: bool = False) -> np.array:
"""解析MNIST二进制文件, 并返回解析结果
输入参数:
minst_file: MNIST数据集的文件地址. 类型: 字符串.
flatten: bool, 默认Fasle. 是否将图片展开, 即(n张, 28, 28)变成(n张, 784)
one_hot: bool, 默认Fasle. 标签是否采用one hot形式.
返回值:
解析后的numpy数组
"""
if minst_file_addr is not None:
minst_file_name = os.path.basename(minst_file_addr) # 根据地址获取MNIST文件名字
with gzip.open(filename=minst_file_addr, mode="rb") as minst_file:
mnist_file_content = minst_file.read()
if "label" in minst_file_name: # 传入的为标签二进制编码文件地址
data = np.frombuffer(buffer=mnist_file_content, dtype=np.uint8, offset=8) # MNIST标签文件的前8个字节为描述性内容,直接从第九个字节开始读取标签,并解析
if one_hot:
data_zeros = np.zeros(shape=(data.size, 10))
for idx, label in enumerate(data):
data_zeros[idx, label] = 1
data = data_zeros
else: # 传入的为图片二进制编码文件地址
data = np.frombuffer(buffer=mnist_file_content, dtype=np.uint8, offset=16) # MNIST图片文件的前16个字节为描述性内容,直接从第九个字节开始读取标签,并解析
data = data.reshape(-1, 784) if flatten else data.reshape(-1, 28, 28)
else:
logging.warning(msg="请传入MNIST文件地址!")
return data
if __name__ == "__main__":
data = parse_mnist(minst_file_addr="./t10k-labels-idx1-ubyte.gz") # t10k-images-idx1-ubyte.gz文件应该和本脚本在同一个目录下,否则应该修改地址
print(len(data)) # 10000
print(data[0:10]) # [7 2 1 0 4 1 4 9 5 9]
通过上一步解析后的MNIST数据已经是numpy.narray数据类型,可以直接通过pillow
、opencv
和matplotlib
库直接可视化了。此处博主通过matplotlib
库可视化MNIST训练集的前9张图片及其标签,代码和效果如下:
"""
通过gzip和numpy解析MNIST数据集的二进制文件, 并可视化训练集前10张图片和标签
"""
import os
import gzip
import logging
import numpy as np
import matplotlib.pyplot as plt
logging.basicConfig(format="%(message)s", level=logging.DEBUG) # 设置Python日志管理工具的消息格式和显示级别
plt.rcParams["font.sans-serif"] = "SimHei" # 确保plt绘图正常显示中文
plt.rcParams["figure.figsize"] = [9, 10] # 设置plt绘图尺寸
def parse_mnist(minst_file_addr: str = None) -> np.array:
"""解析MNIST二进制文件, 并返回解析结果
输入参数:
minst_file: MNIST数据集的文件地址. 类型: 字符串.
返回值:
解析后的numpy数组
"""
if minst_file_addr is not None:
minst_file_name = os.path.basename(minst_file_addr) # 根据地址获取MNIST文件名字
with gzip.open(filename=minst_file_addr, mode="rb") as minst_file:
mnist_file_content = minst_file.read()
if "label" in minst_file_name: # 传入的为标签二进制编码文件地址
data = np.frombuffer(buffer=mnist_file_content, dtype=np.uint8, offset=8) # MNIST标签文件的前8个字节为描述性内容,直接从第九个字节开始读取标签,并解析
else: # 传入的为图片二进制编码文件地址
data = np.frombuffer(buffer=mnist_file_content, dtype=np.uint8, offset=16) # MNIST图片文件的前16个字节为描述性内容,直接从第九个字节开始读取标签,并解析
data = data.reshape(-1, 28, 28)
else:
logging.warning(msg="请传入MNIST文件地址!")
return data
if __name__ == "__main__":
train_imgs = parse_mnist(minst_file_addr="train-images-idx3-ubyte.gz") # 训练集图像
train_labels = parse_mnist(minst_file_addr="train-labels-idx1-ubyte.gz") # 训练集标签
# 可视化
fig, ax = plt.subplots(ncols=3, nrows=3)
ax[0, 0].imshow(train_imgs[0], cmap=plt.cm.gray)
ax[0, 0].set_title(f"标签为{
train_labels[0]}")
ax[0, 1].imshow(train_imgs[1], cmap=plt.cm.gray)
ax[0, 1].set_title(f"标签为{
train_labels[1]}")
ax[0, 2].imshow(train_imgs[2], cmap=plt.cm.gray)
ax[0, 2].set_title(f"标签为{
train_labels[2]}")
ax[1, 0].imshow(train_imgs[3], cmap=plt.cm.gray)
ax[1, 0].set_title(f"标签为{
train_labels[3]}")
ax[1, 1].imshow(train_imgs[4], cmap=plt.cm.gray)
ax[1, 1].set_title(f"标签为{
train_labels[4]}")
ax[1, 2].imshow(train_imgs[5], cmap=plt.cm.gray)
ax[1, 2].set_title(f"标签为{
train_labels[5]}")
ax[2, 0].imshow(train_imgs[6], cmap=plt.cm.gray)
ax[2, 0].set_title(f"标签为{
train_labels[6]}")
ax[2, 1].imshow(train_imgs[7], cmap=plt.cm.gray)
ax[2, 1].set_title(f"标签为{
train_labels[7]}")
ax[2, 2].imshow(train_imgs[8], cmap=plt.cm.gray)
ax[2, 2].set_title(f"标签为{
train_labels[8]}")
plt.show() # 显示绘图
print(plt.rcParams.keys())
创作不易,若觉得此篇博文有用的观众老爷,不妨点赞
收藏
文章浏览阅读2.5w次,点赞6次,收藏50次。官方解释是,docker 容器是机器上的沙盒进程,它与主机上的所有其他进程隔离。所以容器只是操作系统中被隔离开来的一个进程,所谓的容器化,其实也只是对操作系统进行欺骗的一种语法糖。_docker菜鸟教程
文章浏览阅读5.7k次,点赞3次,收藏14次。该如何避免的,今天小编给大家推荐两个下载Windows系统官方软件的资源网站,可以杜绝软件捆绑等行为。该站提供了丰富的Windows官方技术资源,比较重要的有MSDN技术资源文档库、官方工具和资源、应用程序、开发人员工具(Visual Studio 、SQLServer等等)、系统镜像、设计人员工具等。总的来说,这两个都是非常优秀的Windows系统镜像资源站,提供了丰富的Windows系统镜像资源,并且保证了资源的纯净和安全性,有需要的朋友可以去了解一下。这个非常实用的资源网站的创建者是国内的一个网友。_msdn我告诉你
文章浏览阅读1.2k次。vue2封装对话框el-dialog组件_
文章浏览阅读4.7k次,点赞5次,收藏6次。MFC 文本框换行 标签: it mfc 文本框1.将Multiline属性设置为True2.换行是使用"\r\n" (宽字符串为L"\r\n")3.如果需要编辑并且按Enter键换行,还要将 Want Return 设置为 True4.如果需要垂直滚动条的话将Vertical Scroll属性设置为True,需要水平滚动条的话将Horizontal Scroll属性设_c++ mfc同一框内输入二行怎么换行
文章浏览阅读832次。检查Linux是否是否开启所需端口,默认为6379,若未打开,将其开启:以root用户执行iptables -I INPUT -p tcp --dport 6379 -j ACCEPT如果还是未能解决,修改redis.conf,修改主机地址:bind 192.168.85.**;然后使用该配置文件,重新启动Redis服务./redis-server redis.conf..._redis-server doesn't support auth command or ismisconfigured. try
文章浏览阅读4.9k次。济大数电实验报告_数据选择器及其应用
文章浏览阅读236次。1研究内容消费在生产中占据十分重要的地位,是生产的最终目的和动力,是保持省内经济稳定快速发展的核心要素。预测河南省社会消费品零售总额,是进行宏观经济调控和消费体制改变创新的基础,是河南省内人民对美好的全面和谐社会的追求的要求,保持河南省经济稳定和可持续发展具有重要意义。本文建立灰色预测模型,利用MATLAB软件,预测出2019年~2023年河南省社会消费品零售总额预测值分别为21881...._灰色预测模型用什么软件
文章浏览阅读1.2k次。12.4-在Qt中使用Log4Qt输出Log文件,看这一篇就足够了一、为啥要使用第三方Log库,而不用平台自带的Log库二、Log4j系列库的功能介绍与基本概念三、Log4Qt库的基本介绍四、将Log4qt组装成为一个单独模块五、使用配置文件的方式配置Log4Qt六、使用代码的方式配置Log4Qt七、在Qt工程中引入Log4Qt库模块的方法八、获取示例中的源代码一、为啥要使用第三方Log库,而不用平台自带的Log库首先要说明的是,在平时开发和调试中开发平台自带的“打印输出”已经足够了。但_log4qt
文章浏览阅读786次。全局观思维模型,一个教我们由点到线,由线到面,再由面到体,不断的放大格局去思考问题的思维模型。_计算机中对于全局观的
文章浏览阅读330次。一、CountDownLatch介绍CountDownLatch采用减法计算;是一个同步辅助工具类和CyclicBarrier类功能类似,允许一个或多个线程等待,直到在其他线程中执行的一组操作完成。二、CountDownLatch俩种应用场景: 场景一:所有线程在等待开始信号(startSignal.await()),主流程发出开始信号通知,既执行startSignal.countDown()方法后;所有线程才开始执行;每个线程执行完发出做完信号,既执行do..._countdownluach于cyclicbarrier的用法
文章浏览阅读508次。Prometheus 算是一个全能型选手,原生支持容器监控,当然监控传统应用也不是吃干饭的,所以就是容器和非容器他都支持,所有的监控系统都具备这个流程,_-自动化监控系统prometheus&grafana实战
文章浏览阅读4.7k次。输入关键字,可以通过键盘的搜索按钮完成搜索功能。_react search