深度學習 | Python下LeNet5的底層實現
阿新 • • 發佈:2018-11-18
前言
加油
一、匯入MNIST手寫資料集
import _pickle as cPickle import gzip import numpy as np import matplotlib.pyplot as plt f = gzip.open('MNIST_data\\mnist.pkl.gz', 'rb') train_set, valid_set, test_set = cPickle.load(f, encoding='bytes') f.close() tx, ty = train_set # 檢視訓練樣本 print(np.shape(tx)) # 可以看到tx大小為(50000,28*28)的二維矩陣 print(np.shape(ty)) # 可以看到ty大小為(50000,1)的矩陣 # 圖片顯示 A = tx[17].reshape(28, 28) # 第八個訓練樣本 Y = ty[17] print(Y) plt.imshow(A, cmap='gray') # 顯示手寫字型圖片</span> plt.show()