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。