Question

我正在使用MNIST数据集，并且正在研究数据以绘制它们，但是在尝试从数据集中提取不同的类时遇到了问题。

import matplotlib.pyplot as plt
import numpy as np
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("MNIST_data/", one_hot=False)

dataWithLabels = zip(mnist.train.labels, mnist.train.images)

digitDict = {}

for i in range(0,10):
    digitDict[i] = []

for i in dataWithLabels:
    digitDict[i[0][0]].append(i[1])

for i in range(0,10):
    digitDict[i] = np.matrix(digitDict[i])
    print("Digit {0} matrix shape: {1}".format(i,digitDict[i].shape))

输出为：

Digit 0 matrix shape: (49556, 784)
Digit 1 matrix shape: (5444, 784)
Digit 2 matrix shape: (1, 0)
Digit 3 matrix shape: (1, 0)
Digit 4 matrix shape: (1, 0)
Digit 5 matrix shape: (1, 0)
Digit 6 matrix shape: (1, 0)
Digit 7 matrix shape: (1, 0)
Digit 8 matrix shape: (1, 0)
Digit 9 matrix shape: (1, 0)

但是应该是：

Digit 0 matrix shape: (5444, 784)
Digit 1 matrix shape: (6179, 784)
Digit 2 matrix shape: (5470, 784)
Digit 3 matrix shape: (5638, 784)
Digit 4 matrix shape: (5307, 784)
Digit 5 matrix shape: (4987, 784)
Digit 6 matrix shape: (5417, 784)
Digit 7 matrix shape: (5715, 784)
Digit 8 matrix shape: (5389, 784)
Digit 9 matrix shape: (5454, 784)

Answer 1

我无法复制您的输出（代码对我抛出错误），但是您可以更简单地完成此操作：

import numpy as np
from tensorflow.examples.tutorials.mnist import input_data

mnist = input_data.read_data_sets("MNIST_data/", one_hot=False)

digitDict = {}

for i in range(10):
    mask = (mnist.train.labels == i)
    digitDict[i] = mnist.train.images[mask]

for i in range(10):
    print("Digit {0} matrix shape: {1}".format(i,digitDict[i].shape))

这应该比您的版本更有效。 mnist.train.labels == i提供了一个布尔数组，向您显示该数组的哪些条目等于i，然后我们用它来获取对应的图像。

从MNIST数据集中提取类

1 个答案: