ポータル--cifar10データを学習Tensorflow機械読み取り、表示および保存するように設定しました

• 基本情報
  • 公式サイト：http://www.cs.toronto.edu/~kriz/cifar.html
  • 合計60000枚の画像：テストのための訓練のための50000〜10000
  • 画像サイズ：32X32
  • クラスあたり6000：画像データセットは、10個のカテゴリに分かれています
    
• データは、コーデックをダウンロードした後、ディレクトリ構造を設定します。
  
• 読み取り、印刷し、指定されたデータセットの画像を保存：

  インポートピクルス
   インポートAS PLT matplotlib.pyplot 
  
  CIFAR_DIR = " cifar10_data / CIFAR-10ビン・バッチ/ data_batch_1.bin " ＃のデータセットパス 
  を開くと（CIFAR_DIR、' RB ' ：）AS F 
      データ = pickle.load（F、エンコーディングを= 「バイト」）
  
  を印刷（「batch1基本情報---------- ------------- 」）    
   印刷（「データ型データ：」、タイプ（データ）） ＃の出力<クラスの辞書「> 
  印刷（「辞書のキー名：」、data.keys（）） ＃の出力dict_keys（[b'filenames 'b'data'、b'labels 'b'batch_label ']）
  印刷（' BDATAデータ型'タイプ（データ[B ' データ' ]）） ＃の出力<クラスのnumpy.ndarray '> 
  印刷（' BDATA形状データ'データ、[B ' データ' ] .shape） ＃の出力（10000、3072）万個のサンプルの説明、3072機能
  
  指数 = 4つの＃は、最初のいくつかの写真が印刷
   印刷（「画像の-----------％dの---------- 」％のインデックス）
   を印刷します（"ファイル名："、DATA [B ' ファイル名の' ] [インデックス]）
   プリント（' ラベル：'、DATA [B ' 標識' ] [インデックス]）
   印刷（' batch_label：'、DATA [B ' batch_label ' ] [インデックス]）
  image_arr =データ[B 「データ」 ] [インデックス] ＃最初のサンプルインデックステイク 
  image_arrのimage_arr.reshapeを=（（3、32、32）） ＃高を得るために1次元ベクトルの形状を変化させる:(例えばタプル、幅、チャネル数） 
  image_arr image_arr.transpose =（（1、2 、0））
  plt.imshow（image_arr） ＃の出力画像
  plt.savefig（" cifar10_data / RAW /％d.png "％インデックス）＃画像の保存 
  plt.show（）

• 写真をプリントアウト
•