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
<>强导出一些库强>
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>数据集的准备强>
#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进行迭代强>
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!