pytorch如何实现mnist数据集的图像可视化及保存 - 行业资讯

　　介绍

小编给大家分享一下pytorch如何实现mnist数据集的图像可视化及保存,希望大家阅读完这篇文章之后都有所收获、下面让我们一起去探讨吧!

如何将pytorch中mnist数据集的图像可视化及保存

<>强导出一些库

import 火炬　　import torchvision 　　import torch.utils.data as Data 　　import scipy.misc 　　import 操作系统　　import matplotlib.pyplot as plt ,, 　　50 BATCH_SIZE =,,, 　　时间=DOWNLOAD_MNIST 真正的

<强>数据集的准备

#训练集测试集的准备

train_data =, torchvision.datasets.MNIST(根=& # 39;。/mnist & # 39;,,火车=True,变换=torchvision.transforms.ToTensor (),,,,,,,,,,,,,,, 　　下载才能=DOWNLOAD_MNIST,,) 　　test_data =, torchvision.datasets.MNIST (root=& # 39;。/mnist/& # 39;,,火车=False)

<强>将训练及测试集利用dataloader进行迭代

train_loader =, Data.DataLoader(数据集=train_data, batch_size=batch_size,洗牌=True) 　　时间=test_x 变量(torch.unsqueeze (test_data.test_data,昏暗的=1),,requires_grad=True) .type (torch.FloatTensor) (20):/255, 　　时间=test_y test_data.test_labels(20): #前两千张　　,#具体查看图像形式为: 　　, 　　a_data, a_label =, train_data [0] 　　print(类型(a_data) # tensor 类型　　#打印(a_data) 　　打印(a_label) 　　　　#把原始图片保存至MNIST_data/生/下　　save_dir=癿nist/生/? 　　if os.path.exists (save_dir) is 错误的: 　　,os.makedirs (save_dir) 　　, 　　for 小姐:拷贝范围(20): 　　,image_array _=train_data[我]#打印第我个　　28日,image_array=image_array.resize(28日) 　　,文件名=save_dir +, & # 39; mnist_train_ % d.jpg& # 39;,我# %,保存文件的格式　　,打印(文件名) 　　,打印(train_data.train_labels[我])#打印出标签　　,scipy.misc.toimage (image_array cmin=0.0, cmax=1.0) .save(文件名)#保存图像

pytorch如何实现mnist数据集的图像可视化及保存

pytorch的优点

1. pytorch是相当简洁且高效快速的框架;2。设计追求最少的封装;3。设计符合人类思维,它让用户尽可能地专注于实现自己的想法;4。与谷歌的Tensorflow类似,公平的支持足以确保pytorch获得持续的开发更新;5。PyTorch作者亲自维护的论坛供用户交流和求教问题6。入门简单

看完了这篇文章,相信你对“pytorch如何实现mnist数据集的图像可视化及保存”有了一定的了解,如果想了解更多相关知识,欢迎关注行业资讯频道,感谢各位的阅读!