pytorch實現mnist資料集的影象視覺化及儲存
阿新 • • 發佈:2020-01-15
如何將pytorch中mnist資料集的影象視覺化及儲存
匯出一些庫
import torch import torchvision import torch.utils.data as Data import scipy.misc import os import matplotlib.pyplot as plt BATCH_SIZE = 50 DOWNLOAD_MNIST = True
資料集的準備
#訓練集測試集的準備
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)
將訓練及測試集利用dataloader進行迭代
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]/255 test_y = test_data.test_labels[:20]#前兩千張 #具體檢視影象形式為: a_data,a_label = train_data[0] print(type(a_data))#tensor 型別 #print(a_data) print(a_label) #把原始圖片儲存至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]#列印第i個 image_array=image_array.resize(28,28) filename=save_dir + 'mnist_train_%d.jpg' % i#儲存檔案的格式 print(filename) print(train_data.train_labels[i])#打印出標籤 scipy.misc.toimage(image_array,cmin=0.0,cmax=1.0).save(filename)#儲存影象
以上這篇pytorch實現mnist資料集的影象視覺化及儲存就是小編分享給大家的全部內容了,希望能給大家一個參考,也希望大家多多支援我們。