- 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
-
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
おすすめ
転載: www.cnblogs.com/Fengqiao/p/cifar10_read.html
おすすめ
ランキング