绘制MNIST样本
MNIST是一个经典的手写数字识别数据集，包含了大量的手写数字样本。绘制MNIST样本是指将这些手写数字样本可视化出来，以便更好地理解和分析这些数据。
绘制MNIST样本的方法有很多种，下面介绍一种常用的方法：
- 首先，需要加载MNIST数据集。可以使用Python的机器学习库scikit-learn或者深度学习库TensorFlow来加载MNIST数据集。加载后的数据集通常包含训练集和测试集两部分。
- 接下来，可以使用图像处理库（如PIL或OpenCV）来将MNIST样本可视化。对于每个样本，可以将其表示为一个28x28像素的灰度图像，其中每个像素的值表示灰度级别。
- 可以使用图像绘制库（如Matplotlib）来创建一个图像窗口，并在窗口中绘制MNIST样本。可以使用灰度图像的像素值来设置每个像素的颜色。
- 可以使用循环来遍历MNIST样本，并将每个样本绘制在图像窗口中。可以使用不同的颜色或符号来表示不同的数字。
绘制MNIST样本的应用场景包括机器学习算法的可视化、模型训练过程的监控和调试、数据集分析等。通过可视化MNIST样本，可以更直观地了解手写数字的特征和分布情况，有助于选择合适的机器学习算法和优化模型的性能。
腾讯云提供了一系列与图像处理和机器学习相关的产品和服务，可以帮助用户处理和分析MNIST样本。其中，腾讯云的图像处理服务包括图像识别、图像分析和图像搜索等功能，可以用于处理和分析MNIST样本。此外，腾讯云还提供了机器学习平台和深度学习框架，如腾讯云机器学习平台（Tencent Machine Learning Platform，TCML）和腾讯云深度学习框架（Tencent Deep Learning Framework，TDF），可以用于构建和训练机器学习模型。
更多关于腾讯云图像处理和机器学习相关产品的介绍和详细信息，可以参考以下链接：
- 腾讯云图像处理产品介绍：https://cloud.tencent.com/product/imagerecognition
- 腾讯云机器学习平台产品介绍：https://cloud.tencent.com/product/tcml
- 腾讯云深度学习框架产品介绍：https://cloud.tencent.com/product/tdf
通过以上腾讯云的产品和服务，用户可以方便地进行MNIST样本的处理、分析和可视化，从而更好地理解和应用这些手写数字数据。
相关·内容
1回答
我试图比较我从GAN (生成对抗性网络)生成的样本(即MNIST数字图像)。对于我的第一个实验，GAN训练是不成功的，所以生成的样本与真实的MNIST图像不相似。对于我的第二个实验，GAN训练是非常成功的，因此生成的样本应该与真实的MNIST样本在一个可视化的图中很好地重叠。
上面的例子图显示了我希望实现的目标：(1)第一个图显示了原始的真实图像分布(2)第二个图表明，GAN1的结果与实际数据没有很好的重叠(3)第三个图显示，GAN2的结果与实际数据很好地吻合。
有人能提供一些指导吗?用Python来绘制这样的东西的好方法是什么，并提供一些示例代码？
浏览 1提问于2020-09-01得票数 1
回答已采纳
2回答
绘制MNIST样本
、、、
我正在尝试绘制MNIST数据集中的10个样本。每一个数字中的一个。代码如下： import sklearn
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
from sklearn import datasets
mnist = datasets.fetch_mldata('MNIST original')
y = mnist.target
X = mnist.data
for i in range(10):
im_idx = np.argwhere(y == i)[0]
浏览 26提问于2018-12-19得票数 2
回答已采纳
1回答
我创建了一个散点图，类似于 AutoEncoder (VAE)的mnist散点图。
生成的图如下( z_mean的维度为(?,2))：
plt.scatter(z_mean[:, 0], z_mean[:, 1], c=y_test)
现在，我想画出属于同一类的所有情节的平均值。例如，如果我绘制了10个类的10000个测试样本，我想绘制属于同一类的所有测试样本的平均值。因此，只需绘制10个点，其中每个点表示一个类(从0到9)。
浏览 6提问于2020-09-13得票数 0
回答已采纳
1回答
我下载了两个版本的mnist数据集:一个没有任何转换，一个带有随机关联和规范化。
w/o转换代码：
mnist_train = torchvision.datasets.MNIST(root='MNIST_data/',
train=True,
transform=transforms.ToTensor(),
download=True)
使用转换代码：
train_transforms = transforms.Co
浏览 2提问于2022-01-26得票数 0
回答已采纳
1回答
背景:我试图用Caffe来训练MNIST数据集的不同子样本(1模型为10,000，另一模型为20,000个样本，等等，直到所有60,000个训练样本的模型)。
问:如何将60000个样本的培训数据集细分，使培训文件的格式与最初在http://yann.lecun.com/exdb/mnist/上发布的相同(完整)。
📷
浏览 0提问于2017-12-10得票数 1
我正在遵循ray文档中的教程。
具体到这一部分：
client = serve.start()
config = {"num_replicas": 3}
client.create_backend("tf:v1", TFMnistModel, TRAINED_MODEL_PATH,config=config)
client.create_endpoint("tf_classifier", backend="tf:v1", route="/mnist")
下面将单个示例发送到后端
sample_data= np.ra
浏览 6提问于2021-02-25得票数 1
回答已采纳
1回答
如何在训练和测试集中找到每一位数字的样本数？另外，如果我想要>可视化至少9张图像中的每一个数字的训练数据。#用Python加载MNIST数据集
no_of_different_labels = 10
image_pixels = image_size * image_size```
#Loading Training Samples
```train_data = np.loadtxt("mnist_train.csv", delimiter=",")
X_train = train_data:,1：
t_train = train_dat
浏览 1提问于2022-06-11得票数 0
1回答
我试图通过遵循创建一个简单的神经网络，但是当我想将数据规范化时，我遇到了一个问题。
import tensorflow as tf
from tensorflow import keras
fashion_mnist = keras.datasets.fashion_mnist
(train_images, train_labels), (test_images, test_labels) = fashion_mnist.load_data()
train_images = test_images / 255.0
test_images = test_images / 255.0
这是我
浏览 0提问于2018-08-28得票数 3
回答已采纳
我正在将MNIST数据加载到Google Colab中，我可以看到大约60,000个样本 ? 但由于某些原因，它只能在1875个样本上进行训练： ? 这里发生什么事情？
浏览 11提问于2020-11-21得票数 1
回答已采纳
1回答
我使用(x_train, y_train), (x_test, y_test) = mnist.load_data()从Keras导入mnist数据集，我想要做的是根据每个样本的对应数字对其进行排序。我正在设想一些琐碎的方法来实现这一点，但我似乎找不到数据的任何label属性。有什么简单的方法吗？
浏览 0提问于2018-10-03得票数 3
回答已采纳
1回答
我有一个现有的模型，训练它能识别手写数字。然后，我有一个新的样本数字，以训练更多的模式。有办法这样做吗？
import os
import cv2 as cv
import numpy as np
import matplotlib.pyplot as plt
import tensorflow as tf
### train model ###
mnist = tf.keras.datasets.mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train = x_train
浏览 3提问于2021-05-14得票数 1
回答已采纳
3回答
我试图加载一个灰度图像数据集(时尚-mnist)到MobileNet模型，以预测手写数字，但根据教程，只有RGB图像可以加载到模型。当我尝试提供时尚-mnist样本时，它会给出以下错误：
检查输入时出错:期望keras_layer_13_input具有形状(224,224，3)，但得到形状为(224,224，1)的数组
如何解决这个问题？
浏览 0提问于2019-08-05得票数 4
回答已采纳
1回答
从MNIST重构数组
、、、
我正在使用mnist数据集，并希望立即绘制一些数字。这个数据集为我提供了形状(784, )的数组，并表示一个28x28像素的图像。
假设我想在2x2网格中绘制4个数字。此网格应该具有形状(2*28, 2*28)。这就是我想要的结果：
+---+---+
| 0 | 9 |
+---+---+
| 9 | 0 |
+---+---+
这是我的代码：
zero # an array from the mnist dataset
nine # another array from the mnist dataset
zero.shape
#(784,)
nine.shape
#(784,)
x
浏览 3提问于2017-12-08得票数 0
回答已采纳
我在Tensorflow中实现MNIST数据集时遇到了问题。
ValueError:输入数组的样本数应与目标数组的样本数相同。找到60000个输入样本和10000个目标样本。
我理解这个错误，但它是验证数据，而不是训练。如果有人能给我建议，我会很高兴的。
# --->>> MNIST Handwriting Classifier - Tensorflow | Py3
from __future__ import absolute_import, division, print_function, unicode_literals
# TensorFlow and tf.
浏览 0提问于2020-02-29得票数 0
根据本文，我将使用该示例构建一个CNN：
然而，我无法通过输入样本图像来找到要预测的样本。这里的任何帮助都将不胜感激。
下面是我尝试过的，但找不到输出张量名称
img = <load from file>
sess = tf.Session()
saver = tf.train.import_meta_graph('/tmp/mnist_convnet_model/model.ckpt-2000.meta')
saver.restore(sess, tf.train.latest_checkpoint('/tmp/mnist_convnet_model/&#
浏览 0提问于2018-04-14得票数 0
我下载了MNIST数据集，并用imshow函数绘制了数据集的第一张灰度图像。这是我的代码。 import numpy as np
import matplotlib.pyplot as plt
import torch
import torchvision
from torchvision import transforms
# MNIST dataset
transform = transforms.Compose([transforms.ToTensor()])
train_dataset = torchvision.datasets.MNIST(root='./data&#
浏览 26提问于2021-03-27得票数 0
尝试访问每个类的pytorch相等样本中的mnist数据集的子集，但遇到此错误 prng = RandomState(42)
random_permute = prng.permutation(np.arange(0, 6000))[0:3000]
indx = np.concatenate([np.where(np.array(mnist_data.targets) == classe)[0][random_permute] for classe in range(0,10)]) -------------------------------------------------------
浏览 14提问于2020-09-12得票数 0
所以我是神经网络世界的新手，我已经对这个领域有了一点熟悉，并开始使用我自己的网络。
我正在使用意式宽面，我发现我的神经网络的训练花费了不可行的时间。也许我所看到的问题就是咬的太多，我只是不知道，因为我还不太熟悉这些东西是怎么回事。
我试着训练一个一维卷积神经网络，它有两个一维卷积层，两个最大汇聚层和两个完全连接的层。总之，神经网络有大约95,000个参数(权重+偏差)。我正在亚马逊的EC2 GPU实例上运行这个程序。我所发现的是在训练过程中，它需要0.3秒的时间。
相比之下，当我运行美国有线电视新闻网的拉萨涅MNIST的例子，它是大约0.0003秒/样本，1000倍的速度！平心而论，我的输入样
浏览 0提问于2015-10-06得票数 1
2回答
我想训练不同的机器学习算法(支持向量机，随机森林，CNN等)。对于相同的数据集(例如，MNIST)，然后比较它们的准确性。目标是从哪种训练数据大小中找出哪种方法比其他方法更好。为了做到这一点，我不断地减少原始训练数据集( 60000个样本)，并在这些减少的训练数据集上训练模型。
如果我使用原始的MNIST测试数据集(10000个样本)来确定精度，我当然会得到过度拟合，例如，当训练数据集为1000个样本时，我获得了95%的训练精度和75%的测试精度。
训练数据集越小，测试精度越低，训练精度基本相同。
减少测试数据集以恢复原来的1:6比例的测试集:培训集是否也有意义？就我个人而言，我认为这是没有道
浏览 0提问于2019-04-28得票数 0
我试图从MNIST数据集中绘制10x10网格样本。每一位数字中的10位。下面是代码：
导入库：
import sklearn
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.ticker import MultipleLocator
from sklearn.pipeline import Pipeline
from sklearn.datasets import fetch_openml
加载数字数据：
X, Y = fetch_openml(name='mnist_784', return
浏览 0提问于2020-05-22得票数 0
回答已采纳
我目前正在使用Keras在MNIST数据集上训练卷积神经网络。我正在使用以下格式加载数据集
(X_train, Y_train), (X_test, Y_test) = mnist.load_data()
但是为了减少对所有数据的迭代，对于X_train和Y_train，我只想从每个类0-9中选择前10000个样本。我该怎么做呢？
浏览 0提问于2017-03-06得票数 1
回答已采纳
2回答
我尝试在MNIST手写体数字数据集(包括60K训练样本)上训练一个FeedForward神经网络。
我每次都在上迭代所有的训练样本()，在每个时期对每个这样的样本执行。运行时当然太长了。
是我运行的名为梯度下降的算法。
我读到，对于大型数据集，使用随机梯度下降可以显着地改善运行时。
为了使用随机梯度下降，我应该做什么？我是否应该随机选择训练样本，对每个随机抽取的样本执行Backpropagation，而不是我目前使用的历次？
浏览 6提问于2016-02-29得票数 6
回答已采纳
我使用drawnow绘制mnist数据集的字符。输出以下输出：
当我使用matlab创建GUI并在加载后调用drawnow来显示图像时，它会在打开的窗口上绘制图形，提供以下输出
我的问题是如何强迫它在新窗口中绘制？
浏览 5提问于2014-02-08得票数 1
回答已采纳
1回答
我有两个数据集，MNIST和SVHN。已知num。MNIST的测试样本为1000，num。SVHN的测试样本为26032。现在，我想将SVHN的测试集附加到MNIST中，因为test_set_append9999是MNIST的最后一个元素，而test_set_append10000是SVHN的第一个元素。我已经尝试过ConcatDataset了： class ConcatDataset(torch.utils.data.Dataset):
def __init__(self, *datasets):
self.datasets = datasets
def
浏览 52提问于2021-08-13得票数 1
1回答
我正在尝试绘制MNIST数据集的直方图： numberMNIST = fetch_openml('mnist_784',return_X_y=False)
dataset = numberMNIST.data
labels = numberMNIST.target
X_train, X_test, Y_train, Y_test = dataset[:60000], dataset[60000:], labels[:60000], labels[60000:]
Y_train_is4 = (Y_train == '4')
Y_test_i
浏览 9提问于2020-01-24得票数 0
回答已采纳
1回答
我在使用MNIST数据集绘制R中的图像50时遇到了问题。
library(keras)
mnist <- dataset_mnist()
train_images <- mnist$train$x
train_labels <- mnist$train$y
test_images <- mnist$test$x
test_labels <- mnist$test$y
train_images <- array_reshape(train_images, c(60000, 28 * 28))
train_images &l
浏览 0提问于2019-03-09得票数 0
我开发了一个简单的二进制限制Boltzmann机器实现，现在我想测试它。(最终，我将把它用于DBN，但我想独立测试)。
我看到有几个人和论文在讨论如何测试MNIST数据集，但我没有找到如何进行测试的详细信息。
我是否需要添加一个新的分类层连接到隐藏单元，然后使用反向传播来训练它？还有别的办法吗？
有些人也在绘制权重(同样在MNIST中)，但是我对如何绘制一个权重以及它代表什么有问题.
谢谢
浏览 1提问于2014-01-15得票数 5
回答已采纳
1回答
我必须将一行1添加到mnist图像数据集，该数据集被批处理为32个样本。代码如下： (mnist_images, mnist_labels), _ = tf.keras.datasets.mnist.load_data()
dataset = tf.data.Dataset.from_tensor_slices(
(tf.cast(mnist_images[...,tf.newaxis]/255, tf.float32),
tf.cast(mnist_labels,tf.int64)))
dataset = dataset.shuffle(1000).batch(32)
for ima
浏览 16提问于2021-07-29得票数 0
回答已采纳
1回答
我目前正在研究手写体数字识别问题。
首先，我已经针对MNIST数据集测试了手写数字样本。
我得到了一个53%的准确性，我需要90%以上的准确性。
以下是我到目前为止为提高准确度所做的努力。
创建了我自己的数据集
- I have created 41,000 examples. To get started I made a small dataset, which has 10000 examples( 1000 for each digits ).
- The dataset was created on the lines of mnist format( probably
浏览 1提问于2018-04-06得票数 1
回答已采纳
1回答
我想建立一个KNN分类器，同时限制训练样本的数量。例如，我有一个包含60K训练样本的MNIST数据集，我正在寻找一种方法来选择这个数据集的一个大小子集n，它将提供最好的分类器(就准确性而言)。这相当于寻找最佳“表示”数据(或数据分布)的n示例。
下面是一些示例代码来澄清这个问题：
from sklearn.neighbors import KNeighborsClassifier
from keras.datasets import mnist
from sklearn.model_selection import train_test_split
import numpy as np
(x_
浏览 3提问于2020-11-30得票数 1
一个简单的机器学习，像MNIST，它使用一个热向量作为标签.每个样本只有一个热向量，将其分类为一个类别。我的问题是，是否有可能像这样，每个样本都有一个矩阵作为标签，在这个矩阵中，每一行都是一个热向量。因此，一个MxN矩阵标号意味着，它将尝试用M方法对样本进行分类，其中每种方法都有N个类。这个是可能的吗？
浏览 2提问于2016-10-07得票数 0
人们在机器学习中使用输入空间、特征空间、样本空间、假设空间、参数空间等术语。
有谁能用一个具体的例子来解释这些术语，比如学习MNIST数据集？，它有1797个样本，10个类，8*8维和17个特征。
请不要泛泛而谈。
例如，在这种情况下，特征空间是否是一组由17个元素{0，1，…，16}组成的集合？
浏览 0提问于2019-09-23得票数 5
2回答
Mnist:得到混淆矩阵
、、、
我试图得到mnist数据集的混淆矩阵。
这是我的密码
mnist = tf.keras.datasets.mnist
(x_train, y_train),(x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0
model = tf.keras.models.Sequential([
tf.keras.layers.Flatten(),
tf.keras.layers.Dense(512, activation=tf.nn.tanh),
tf.keras.lay
浏览 0提问于2018-11-17得票数 2
回答已采纳
输入图像
当我在预测后输出它们时，你可以看到白色变成黑色，黑色变成白色
我使用了来自keras的tensorflow和fashionmist数据库来训练我的模型。现在我试着预测我从互联网上取的样本的图像。他们的预测是错误的。此外，当我绘制图像时，我看到图像白色变为黑色，黑色变为白色。
import os
import PIL
from keras_preprocessing.image import load_img
import tensorflow as tf
from tensorflow import keras
from PIL im
浏览 0提问于2019-10-03得票数 0
我有以下格式的csv文件
feature_1 | feature_2 | ... | feature_n | label
其中标签的类型为字符串。我已经用pandas成功地读取了该文件：
data = pandas.read_csv("dataset/iris.csv", delimiter=",")
proced_data = data.values
但是，如tensorflow MNIST示例所示，标注的格式为
label_0 | label_1 | ... | label_9
其中，对于一个样本，只有一个标签是1，所有其他标签都是0。由于我的proced_
浏览 6提问于2017-08-25得票数 1
回答已采纳
1回答
本文尝试将概率神经网络(PNN)应用于28000个样本的MNIST数据集上。我试图建立模型，但它错误地说矩阵尺寸超过内存，显示它将需要5.08GB (28000x28000)矩阵。
我想知道，当我在研究论文中阅读时，是否应该将作为训练输入的样本数量从28000个减少到200个。
我是应该缩小样品的数量，还是有其他的问题？
仅适用于小数据集？
浏览 0提问于2017-12-19得票数 1
我正在学习TensorFlow并尝试将其应用于MNIST数据库，并且惊讶地看到，在第二个时代(屏幕截图中的e1)，整个测试集的准确率从e0期间的9.4% (在任何体重和偏差更新之前)达到95%！
准确性会有这么大的提高吗？
代码：
批次大小: 100
历代: 10000
5层网络(4隐藏，1输出；200 / 100 / 60 / 30 neirons)
lr = 0.001
AdamOptimizer
relu & softmax活动鼓掌功能
考虑批次大小为100 & mnist训练样本#= 55000。在e1之前肯定有550个更新。
浏览 5提问于2017-11-28得票数 1
2回答
如果我通过以下方式下载Keras格式的CIFAR 10图像：
(x_train, y_train), (x_test, y_test) = cifar10.load_data()
# Getting shape
x_train.shape
>>> (50000, 32, 32, 3)
然后，我可以通过执行以下操作来绘制每个图像：
# Plot RGB image
plt.imshow(x_train[0])
# Plot only one colour-channel e.g. R
plt.imshow(x_train[0][:,:,0])
现在我通过Keras获取MN
浏览 1提问于2017-07-21得票数 3
回答已采纳
我正在尝试使用R-Markdown文件(RMarkdown到pdf)运行python代码。 到目前为止，我所实现的-- 1- -我能够使用configure和网格化库配置我的python引擎-- 2- -我能够执行我的python代码。 我尝试了论坛中讨论的所有方法，但都不起作用。2-我也尝试保存图像(as one of the posts here suggests)，但也不起作用。我的问题是- 1-当我尝试使用matlplotlib和命令plt.imshow()和plt.show()绘制图形时，它没有在输出中打印图像。相反，它是在一个单独的窗口中显示图像。你可以在附图中看到我的结果。 R
浏览 27提问于2019-01-23得票数 0
回答已采纳
1回答
我正在使用MNIST数据集，我正在探索数据来绘制它们，但是当我试图从数据集中提取不同的类时，我遇到了一个问题。
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)
浏览 0提问于2018-11-07得票数 0
回答已采纳
我用Matlab做了一个OCR项目，我发现有一个名为MNIST手写数字数据库的字符样本库。我下载了一个名为train-images.idx3-ubyte的文件，但我不知道如何使用它，有人知道如何使用这个文件吗？
浏览 6提问于2012-09-01得票数 1
回答已采纳
我是PyTorch的新手。现在，我有两个名为A和B的数据集(例如: MNIST)。我想把A和B混合在一起形成一个新的数据集。我想对这个新的数据集进行混洗。在训练期间，我需要确定批量样本是否属于A。如何确定？
这两个问题是:1)如何混合两个数据集并对其进行打乱?2)如何确定新数据集中的样本是否属于原始数据集A？
浏览 0提问于2020-08-15得票数 0
我正在使用英特尔OpenFL进行联合学习实验。我想使用不同的非iidness场景发布我的数据集(MNIST)。我正在跟踪他们的官方文件：
这是我最初的工作代码：
"""Mnist Shard Descriptor."""
import logging
import os
from typing import List
import numpy as np
import requests
from openfl.interface.interactive_api.shard_descriptor import ShardDataset
fro
浏览 1提问于2022-02-21得票数 1
回答已采纳
1回答
通过Keras加载自定义数据集
、、、、
我有一个简单的GAN模型(基于Keras)，用于基于MNIST数据集生成手写数字图像。我想使用Sokoto Coventry指纹数据集(SOCOFing)中的原始图像数据为Keras创建一个类似的数据集，该数据集由6000个不同的黑白指纹图像样本组成，并将其应用于同一GAN模型。问题是-我被创建和加载/处理自定义数据集所困扰。 这是我在MNIST中使用的模型的代码： import os
import numpy as np
import matplotlib.pyplot as plt
from tqdm import tqdm
from keras.layers import Input
浏览 79提问于2021-07-14得票数 0
回答已采纳
我按照的说明使用conda在mac上安装了tensorflow 2：
conda create -n tf2 tensorflow
然后，我安装了ipykernel，将这个新环境添加到jupyter笔记本内核中，如下所示：
conda activate tf2
conda install ipykernel
python -m ipykernel install --user --name=tf2
这似乎很好，我可以在我的jupyter笔记本内核上看到我的tf2环境。
然后，我尝试运行简单的MNIST ，以检查所有操作是否正常，并且当我执行这一行代码时：
model.fit(x_train,
浏览 23提问于2020-01-03得票数 7
回答已采纳
我在实现MNIST数据集时出错，
ValueError:输入数组应该具有与目标数组相同的样本数。共发现60000个输入样本和10000个目标样本。
我试图重塑和规范training_images和test_images，并遵循同样错误的建议，但没有成功。
import tensorflow as tf
from os import path, getcwd, chdir
path = f"{getcwd()}/../tmp2/mnist.npz"
config = tf.ConfigProto()
config.gpu_options.allow_growth
浏览 2提问于2021-01-27得票数 0
回答已采纳
当我尝试在其中一个索引处绘制图像时出现错误，如下所示：
#Training dataset
dfr = pd.read_csv("sign_mnist_train.csv")
X_train_orig = dfr.iloc[:,1:]
Y_train_orig = dfr['label']
#Testing dataset
dfe = pd.read_csv("sign_mnist_test.csv")
X_test_orig = dfe.iloc[:,1:]
Y_test_orig = dfe['label']
#shap
浏览 64提问于2020-02-05得票数 0
假设我在变量L中有MNIST数字。
L[0].reshape(28,28)会让我有机会用matplot：plt.matshow(L[0].reshape(28,28))来绘制这个图。
但是，如果我想要在5x5网格中绘制25位数字，我不知道如何通过混洗L0:24来正确地使用matplot来绘制它。
也许任何人都知道该怎么做。
浏览 20提问于2020-05-07得票数 1
1回答
我建立了一个完全连接的前馈神经网络来识别手写数字。我使用了MNIST和另一个非常相似的数据集(包含阿拉伯数字--与MNIST相同的训练集和测试集计数)。
对于一个结构完全相同的网络(1个隐藏层，相同的学习速率，相同的权重采样)，我在一个使用100幅图像进行训练的子样本上进行了测试。测试的准确性很低，但我注意到，对于阿拉伯数字，网络训练时间要长得多(是英文数字的两倍--分别为33 of和15 of)。
这是什么原因？
浏览 0提问于2018-04-25得票数 2
我正在尝试在时尚-MNIST上实现几个模型。我根据tf.keras教程导入了数据：
import tensorflow as tf
from tensorflow import keras
import sklearn
import numpy as np
f_mnist = keras.datasets.fashion_mnist
(train_images, train_labels), (test_images, test_labels) = f_mnist.load_data()
class_names = ['T-shirt/top', 'Trouser&
浏览 0提问于2021-12-09得票数 2
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
