【Tensorflow】整理し、表示データエントリday1-

私は本当にtensorflow（.JPG免れる天国）ピットの周りに開けません

事実tensorflow1と2つの大きな違いでは、2、1の後にピットに一時的に、それはあまりにも簡単です。

（参考）関数のTF2変化：https://docs.google.com/spreadsheets/d/1FLFJLzg7WNP6JHODX5q8BDgptKafq_slHpnHVbJIteQ/edit#gid=0

この記事の文書は私のピットのコースを踏ん。

参考文献：https://www.datacamp.com/community/tutorials/tensorflow-tutorial

出典：https://btsd.ethz.ch/shareddata/

また、ここでの行動と結果のみを記録する書き込みの基礎の一部、。

インポートskimage
 インポートTFとしてtensorflow
 から skimage インポート IO ＃skimage.io.imreadため[MUST] 
インポートのOS
 インポート PLTのようmatplotlib.pyplot ＃の延伸分布グラフ
から skimage インポート変換
 から skimage.color インポート rgb2grayの＃1 階調に変換するIMG 
インポートとしてnumpyのNP 

DEF first_try（）：
    ＃は、初期化定数 
    X1 = tf.constant（[1,2,3,4 ]）
    ×2 = tf.constant（[5,6,7,8 ]）
    ＃乗算 
    結果= tf.multiply（X1、X2）
     位だけでなく、実際の値、テンソルを返す
    ＃TFは計算しない：手段があること。グラフのみを奪う
    プリント（結果）＃：テンソル（、形状=（4）、DTYPE = INT32 "0ムル"）
    ＃1 実行結果と印刷。意志が近い自動的'と' 
    ＃のSES = tf.Session（） 
    ＃のプリント（sess.run（結果）） 
    ＃sess.close（） 
    ：のSESとしてtf.Session（）と
        出力 = sess.run（結果）
         印刷（出力）

DEF LOAD_DATA（DATA_DIR）：
    DIRS = [D 用 Dでos.listdir（DATA_DIR）
             場合os.path.isdir（os.path.join（DATA_DIR、D））] 
    ラベル = [] 
    画像 = []
    ＃記号の各タイプ
    のための D でDIRS：
         ＃1 .ppmのファイル名前 
        label_dir = os.path.join（DATA_DIR、D）
        ＃.ppmの実パス 
        file_names = [os.path.join（label_dir、F）
                       のための F でos.listdir（label_dir）
                       場合 f.endswith（" .ppm " ）]
        以下のために F でfile_names：
             ＃1 ロード画像
            images.append（skimage.io.imread（F））
            labels.append（INT（D）） 
    、戻り画像、ラベル

DEF random_show（画像、名前、CMAP = ：なし）
     のための I における範囲を（LEN（名））：
        plt.subplot（ 1、lenは（名前）、I + 1 ）
        plt.axis（' オフ' ）
         ＃のグレースケールPICのAdd CMAP、セットCMAP = 'グレー' 
        ＃またはu」間違った色を得るでしょ
        plt.imshow（画像[名[I]]、CMAP）
        plt.subplots_adjust（wspaceを= 0.5 ）
         、印刷（" 形状：{0}、分：{1}、最大：{2} " .format（画像[名[I]形状、
                                                      画像[名[I]]分（）。
                                                      画像[名[I] MAX（）））。
    plt.show（）


DEF show_each_label_pic（ラベル）：
    uniq_labels = セット（標識）
     ＃は図の初期化 
    （figsize =（15、15 plt.figureを））
    iは 1 =
     用のラベルをでuniq_labels：
        ＃は、各ラベルのための第一の画像を選択 
        =画像画像【labels.index（ラベル）]
         ＃の8X8、i番目 
        plt.subplot（8,8 、I）
        plt.axis（' オフ' ）
        plt.title（" ラベル{0}（{1}）" .format（ラベル、labels.count（ラベル）））
        、I + = 1 
        plt.imshow（画像）＃のプロット単一ピクチャ
    plt.show（）

DEF transform_img（イメージ、行、colsの）：
     リターン [transform.resize（画像、（行、COLS ））のための画像における画像] 

DEF to_gray（画像）：
    ＃必要アレイ
    リターンrgb2gray（np.array（画像））

なら __name__ == " __main__ " ：
    のroot_path = R " G：/共有/ testTF " 
    train_data_dir =のroot_path + " /トレーニング" 
    画像、ラベル = LOAD_DATA（train_data_dir）
     ＃1 プリント（LEN（セット（標識）））交通標識の＃62 62 COZタイプ
    ＃プリント（LEN（画像））＃4575 
    ＃plt.hist（ラベル、63）＃は、バーグラフを描きます。
    ＃plt.show（） 
    ＃random_show（画像、[300、2250、3650、4000]）
    ＃1 プリント（型（画像[0]））＃<クラスのnumpy.ndarray '> 
    ＃show_each_label_pic（ラベル） 
    images28 = transform_img（画像、28、28 ）
     ＃random_show（images28、[300、2250、3650、4000]） 
    gray_images28 = to_gray（images28）
    random_show（gray_images28、[ 300、2250、3650、4000]、CMAP = " グレー"）

画像：

バーグラフ：

4回の抽選の表示：

各ラベルマップの何についての統計：

実際には、このサイズ変更後のデータは、（0,1）に正規化しました。

グレースケール方法：変換著者は言うので、ここではグレースケールにするには、現在の問題、色が分類では動作しません。どの私はその後、再検証をします。

【Tensorflow】整理し、表示データエントリday1-

おすすめ