-
2022-03-14 16:49:23
## mnist_train mnist_test import torch import torchvision from skimage import io import os mnist_train = torchvision.datasets.MNIST('../datasets_folder/MNIST_data', train=True, download=True)#首先下载数据集,并数据分割成训练集与数据集 mnist_test = torchvision.datasets.MNIST('../datasets_folder/MNIST_data', train=False, download=True) f=open("../datasets_folder/mnist/mnist_train.txt", 'w')#在指定路径之下生成.txt文件 """这个是对相同的数据保存在同一个文件夹下""" for i, (img, label) in enumerate(mnist_train): img_path = "../datasets_folder/mnist/mnist_train"+"/"+str(label) # 判断结果 if not os.path.exists(img_path): # 如果不存在则创建目录 # 创建目录操作函数 os.makedirs(img_path) #/lib/python3.7/site-packages/skimage/io/_io.py中io.imsave将 # if arr.dtype == bool改为if type(arr) == bool io.imsave(img_path+"/" + str(i) + ".jpg", img)#将图片数据以图片.jpg格式存在指定路径下 f.write(str(label)+','+str(i)+".jpg\n")#将路径与标签组合成的字符串存在.txt文件下 f.close()#关闭文件 f = open("../mnist/mnist_test.txt", 'w')#在指定路径之下生成.txt文件 """这个是对相同的数据保存在同一个文件夹下""" for i, (img, label) in enumerate(mnist_test): img_path = r"../datasets_folder/mnist/mnist_test"+"/"+str(label) if not os.path.exists(img_path): os.makedirs(img_path) io.imsave(img_path+"/" + str(i) + ".jpg", img)#将图片数据以图片.jpg格式存在指定路径下 f.write(str(label)+','+str(i)+".jpg\n")#将路径与标签组合成的字符串存在.txt文件下 f.close()#关闭文件
如果有在“io.imsave(img_path+"/" + str(i) + ".jpg", img)”报错:
/lib/python3.7/site-packages/skimage/io/_io.py中io.imsave将 if arr.dtype == bool改为if type(arr) == bool
结果为:
更多相关内容 -
tensorflow基础教程中所用mnist数据集
2018-07-07 20:15:47tensorflow基础教程中所用mnist数据集,在线下载会出问题,最好采用以下步骤: # (1) 首先在当前项目下新建 MNIST_data # (2) http://yann.lecun.com/exdb/mnist/ 从该网址将4个附件全部下载 # (3) 载的四个文件... -
MNIST数据集
2018-02-02 16:07:44深度学习中的MNIST数据集,已打包,内有训练和测试数据,节省大家从官网下载的时间。 -
下载MNIST数据集并使用python将数据转换成NumPy数组(源码解析)
2022-01-02 20:16:14下载MNIST数据集并使用python将数据转换成NumPy数组首先来分析init_mnist函数接下来继续分析load_mnist函数实现数据集转换的python脚本的代码显示MNIST图像并确认数据 下载MNIST数据集并将数据转换成NumPy数组的...下载MNIST数据集并使用python将数据转换成NumPy数组
下载MNIST数据集并将数据转换成NumPy数组的Python脚本里面最重要的就是load_mnist函数,其他项目想要调用数据集的话,就可以调用load_mnist函数,得到一个字典类型的数据,字典的值是一个Numpy数组。
这些过程是如何实现的,现在开始逐字逐句分析源码:
在load_mnist函数中第一句话是
if not os.path.exists(save_file): init_mnist()
如果说数据没有被下载,那么就调用init_mnist()函数。
首先来分析init_mnist函数
在init_mnist()函数中,可以发现调用了download_mnist()函数。
def init_mnist(): download_mnist() dataset = _convert_numpy() print("Creating pickle file ...") with open(save_file, 'wb') as f: pickle.dump(dataset, f, -1) print("Done!")
在download_mnist()函数中,可以看到又调用了_download(v)函数。
def download_mnist(): for v in key_file.values(): _download(v)
在_download(v)函数中,可以看出,它最重要的一句话就是urllib.request.urlretrieve,这个语句的意思就是把数据集下载到file_path路径下的文件里面。
def _download(file_name): file_path = dataset_dir + "/" + file_name if os.path.exists(file_path): return print("Downloading " + file_name + " ... ") urllib.request.urlretrieve(url_base + file_name, file_path) print("Done")
url_base = 'http://yann.lecun.com/exdb/mnist/' key_file = { 'train_img':'train-images-idx3-ubyte.gz', 'train_label':'train-labels-idx1-ubyte.gz', 'test_img':'t10k-images-idx3-ubyte.gz', 'test_label':'t10k-labels-idx1-ubyte.gz' }
然后回到download_mnist()函数,这里面调用了_convert_numpy函数
# download_mnist()函数 dataset = _convert_numpy() print("Creating pickle file ...") with open(save_file, 'wb') as f: pickle.dump(dataset, f, -1) print("Done!")
我们看 _convert_numpy函数:这函数返回一个字典数据类型,也就是键值对。这个函数里面调用了 _load_img函数。
def _convert_numpy(): dataset = {} dataset['train_img'] = _load_img(key_file['train_img']) dataset['train_label'] = _load_label(key_file['train_label']) dataset['test_img'] = _load_img(key_file['test_img']) dataset['test_label'] = _load_label(key_file['test_label']) return dataset
我们看 _load_img函数,由print(“Converting " + file_name + " to NumPy Array …”)可以了解到,这个函数是用来将数据集转换成numpy数组的。
_load_img函数里面gzip.open(file_path, ‘rb’),数据集是gz后缀的,这句话就是把这个数据给读出来。
def _load_img(file_name): file_path = dataset_dir + "/" + file_name print("Converting " + file_name + " to NumPy Array ...") with gzip.open(file_path, 'rb') as f: data = np.frombuffer(f.read(), np.uint8, offset=16) data = data.reshape(-1, img_size) print("Done") return data
_load_img函数里面data = np.frombuffer(f.read(), np.uint8, offset=16)这句话,是把f.read()里面的数据转化成numpy数组,而且数组元素类型是uint8,读取的起始位置是16,为什么是16,可以看数据集TRAINING SET IMAGE FILE (train-images-idx3-ubyte)的存储内容:
[offset] [type] [value] [description]` `0000 32 bit integer 0x00000803(2051) magic number` `0004 32 bit integer 60000 number of images` `0008 32 bit integer 28 number of rows` `0012 32 bit integer 28 number of columns` `0016 unsigned byte ?? pixel` `0017 unsigned byte ?? pixel` `........` `xxxx unsigned byte ?? pixel
这部分是训练集的image信息,image信息是通过灰度值存储的,前16字节是数据集的信息,后面的字节都是图片的信息。所以要存图片的信息,就从16字节开始。
后面的data = data.reshape(-1, img_size)这句话,意思是把这个numpy数组变成行为1,列为img_size的样子。那么img_size函数最后就返回一个numpy数组。至此, _load_img函数已经解析完。
再看_convert_numpy函数,返回的dataset也就是一个字典,键是字符串,值是numpy数组。
回到init_mnist()函数里面,由print(“Creating pickle file …”)可以看到得到dataset之后,该函数进行的是创建pickle文件的操作。with open(save_file, ‘wb’) as f 这句话,意思是以二进制格式打开名字为save_file的文件只用于写入。我们的save_file = dataset_dir + “/mnist.pkl”,所以就是创建了一个pkl文件。那么写入什么呢,接下来看pickle.dump(dataset, f, -1)这句话,这句话表明,将对象dataset保存到我们的pkl文件中去,这个-1是pickle进行转换的协议版本。那么至此,init_mnist函数已经分析完,它返回一个pickle文件。
def init_mnist(): download_mnist() dataset = _convert_numpy() print("Creating pickle file ...") with open(save_file, 'wb') as f: pickle.dump(dataset, f, -1) print("Done!")
接下来继续分析load_mnist函数
下面有一行,with open(save_file, ‘rb’) as f: dataset = pickle.load(f),把之前的pickle文件重构为原来的python对象,给dataset。
load_mnist的参数normalize=True,这是将输入图像正规化为0-1的值,各个像素取值在0-255之间,dataset[key] /= 255.0就变成0-1之间了。
load_mnist的参数one_hot_label如果为True的话,设置将标签保存为ont-hot表示,one-hot表示是仅正确解标签为1,其余皆为0的数组。调用了 _change_one_hot_label函数来实现。
def _change_one_hot_label(X): T = np.zeros((X.size, 10)) for idx, row in enumerate(T): row[X[idx]] = 1 return T
load_mnist的参数flatten设置为True,则输入图像会保存为由784个元素构成的一维数组,设置为False,则输入图像为1*28 *28的三维数组。
最后load_mnist返回字典类型的dataset。键分别是train_img、train_label、test_img、test_label,值是由后缀为.gz数据集文件转换得到的Numpy数组。
def load_mnist(normalize=True, flatten=True, one_hot_label=False): if not os.path.exists(save_file): init_mnist() with open(save_file, 'rb') as f: dataset = pickle.load(f) if normalize: for key in ('train_img', 'test_img'): dataset[key] = dataset[key].astype(np.float32) dataset[key] /= 255.0 if one_hot_label: dataset['train_label'] = _change_one_hot_label(dataset['train_label']) dataset['test_label'] = _change_one_hot_label(dataset['test_label']) if not flatten: for key in ('train_img', 'test_img'): dataset[key] = dataset[key].reshape(-1, 1, 28, 28) return (dataset['train_img'], dataset['train_label']), (dataset['test_img'], dataset['test_label'])
至此,load_mnist函数已经分析完毕,下载MNIST数据集并使用python将数据转换成NumPy数组的全部代码:
实现数据集转换的python脚本的代码
# coding: utf-8 try: import urllib.request except ImportError: raise ImportError('You should use Python 3.x') import os.path import gzip import pickle import os import numpy as np url_base = 'http://yann.lecun.com/exdb/mnist/' key_file = { 'train_img':'train-images-idx3-ubyte.gz', 'train_label':'train-labels-idx1-ubyte.gz', 'test_img':'t10k-images-idx3-ubyte.gz', 'test_label':'t10k-labels-idx1-ubyte.gz' } dataset_dir = os.path.dirname(os.path.abspath(__file__)) save_file = dataset_dir + "/mnist.pkl" train_num = 60000 test_num = 10000 img_dim = (1, 28, 28) img_size = 784 def _download(file_name): file_path = dataset_dir + "/" + file_name if os.path.exists(file_path): return print("Downloading " + file_name + " ... ") urllib.request.urlretrieve(url_base + file_name, file_path) print("Done") def download_mnist(): for v in key_file.values(): _download(v) def _load_label(file_name): file_path = dataset_dir + "/" + file_name print("Converting " + file_name + " to NumPy Array ...") with gzip.open(file_path, 'rb') as f: labels = np.frombuffer(f.read(), np.uint8, offset=8) print("Done") return labels def _load_img(file_name): file_path = dataset_dir + "/" + file_name print("Converting " + file_name + " to NumPy Array ...") with gzip.open(file_path, 'rb') as f: data = np.frombuffer(f.read(), np.uint8, offset=16) data = data.reshape(-1, img_size) print("Done") return data def _convert_numpy(): dataset = {} dataset['train_img'] = _load_img(key_file['train_img']) dataset['train_label'] = _load_label(key_file['train_label']) dataset['test_img'] = _load_img(key_file['test_img']) dataset['test_label'] = _load_label(key_file['test_label']) return dataset def init_mnist(): download_mnist() dataset = _convert_numpy() print("Creating pickle file ...") with open(save_file, 'wb') as f: pickle.dump(dataset, f, -1) print("Done!") def _change_one_hot_label(X): T = np.zeros((X.size, 10)) for idx, row in enumerate(T): row[X[idx]] = 1 return T def load_mnist(normalize=True, flatten=True, one_hot_label=False): """读入MNIST数据集 Parameters ---------- normalize : 将图像的像素值正规化为0.0~1.0 one_hot_label : one_hot_label为True的情况下,标签作为one-hot数组返回 one-hot数组是指[0,0,1,0,0,0,0,0,0,0]这样的数组 flatten : 是否将图像展开为一维数组 Returns ------- (训练图像, 训练标签), (测试图像, 测试标签) """ if not os.path.exists(save_file): init_mnist() with open(save_file, 'rb') as f: dataset = pickle.load(f) if normalize: for key in ('train_img', 'test_img'): dataset[key] = dataset[key].astype(np.float32) dataset[key] /= 255.0 if one_hot_label: dataset['train_label'] = _change_one_hot_label(dataset['train_label']) dataset['test_label'] = _change_one_hot_label(dataset['test_label']) if not flatten: for key in ('train_img', 'test_img'): dataset[key] = dataset[key].reshape(-1, 1, 28, 28) return (dataset['train_img'], dataset['train_label']), (dataset['test_img'], dataset['test_label']) if __name__ == '__main__': init_mnist()
显示MNIST图像并确认数据
首先调用前面写的load_mnist函数(x_train, t_train), (x_test, t_test) = load_mnist(flatten=True, normalize=False)得到x_train、t_train、x_test、t_test这几个字典类型的对象。
要看训练集的第一个数据,就可以通过img = x_train[0]读出来第一个图片,label = t_train[0]读出来数据集里面放的第一个标签。输出出来发现,数据集里第一个图是5 。
展示图片用的是img_show函数,这个函数里面用的Image.fromarray作用是将array数据转成PIL能用的数据格式,从而输出图片。
import sys, os sys.path.append(os.pardir) # 为了导入父目录的文件而进行的设定 import numpy as np from dataset.mnist import load_mnist from PIL import Image def img_show(img): pil_img = Image.fromarray(np.uint8(img)) pil_img.show() (x_train, t_train), (x_test, t_test) = load_mnist(flatten=True, normalize=False) img = x_train[0] label = t_train[0] print(label) # 5 print(img.shape) # (784,) img = img.reshape(28, 28) # 把图像的形状变为原来的尺寸 print(img.shape) # (28, 28) img_show(img)
输出:
Downloading train-images-idx3-ubyte.gz ... Done Downloading train-labels-idx1-ubyte.gz ... Done Downloading t10k-images-idx3-ubyte.gz ... Done Downloading t10k-labels-idx1-ubyte.gz ... Done Converting train-images-idx3-ubyte.gz to NumPy Array ... Done Converting train-labels-idx1-ubyte.gz to NumPy Array ... Done Converting t10k-images-idx3-ubyte.gz to NumPy Array ... Done Converting t10k-labels-idx1-ubyte.gz to NumPy Array ... Done Creating pickle file ... Done! 5 (784,) (28, 28) Process finished with exit code 0
-
tensorflow教程mnist数据集
2017-05-05 14:27:06tensorflow教程里用到的mnist数据集 -
mnist数据集
2018-01-18 11:37:10最近大家请求mnist数据集总会遇到问题,会报一个连接超时的错误,总是下载失败,现在给大家提供我自己下载好的数据集,供大家使用。具体放的位置请参考这个链接https://.zhihu.com/question/56773355 -
解决pytorch下载MNIST数据集缓慢的问题,非常简单
2022-04-10 17:10:21问题描述 train_loader=torch.utils.data.DataLoader( datasets.MNIST('data', train=True, download=True, transform=transforms.Compose([ transforms.ToTensor(), transforms.Normalize((0问题描述
train_loader=torch.utils.data.DataLoader( datasets.MNIST('data', train=True, download=True, transform=transforms.Compose([ transforms.ToTensor(), transforms.Normalize((0.1307,), (0.3081,)) ])), batch_size=BATCH_SIZE,shuffle=True)
当我们使用上述代码加载MNIST数据时,数据集的下载非常缓慢,经常卡死。
解决方法
进入MNIST数据集网站,下载4个数据集压缩包,不要解压(因为pytorch还会对数据集进行一些处理,而不是单纯的解压,所以直接手动解压是不行的)。4个压缩包放在/data/MINIST/raw文件夹内,如下图所示:
这里我的文件路径是D:\aaa\pytorch-exercise\0my-exercise\data\MNIST\raw
之后,在python的库中找到torchvison库,再找到实现mnist加载的文件mnist.py。其在python中的大概路径如下:[你的python的位置]\lib\site-packages\torchvision\datasets\mnist.py
打开mnist.py,将class MNIST的mirrors变量改成 file:///后面加上上述4个压缩包所在的路径,resources变量不要改动,如下图所示:
mirrors中的路径,要写你的电脑中那4个压缩包所在的路径。
修改好后,再运行一遍加载MNIST数据的代码块,发现成功加载好了数据,如下:
去/data/MNIST/raw文件夹内查看,多出了4个文件:
至此,问题就解决了。我看网上其他博客,说raw的同级目录processed目录中还应该有两个文件,但我没管那两个文件,我的模型一样成功跑起来了。那就先不管那两个文件了。具体的原理,大家可以看一下mnist.py的代码,尤其是self.download函数。
大家的torchvision的版本可能不一样。我还看过其他人的类内变量为url,而不是mirrors和resources,其实如果是url改动方法也和上面类似(其实更好改了)。 -
MNIST数据集及转化程序
2020-04-05 10:41:08MNIST数据集,包含mnist二进制原始文件,生成的jpg图像文件,及二进制文件转化为JPG的程序。 -
如何使用pytorch下载MNIST数据集
2021-07-05 08:40:12代码如下: # 1.定义超参数 BATCH_SIZE = 16 # 2....pipeline = transforms.Compose([ transforms.ToTensor(), transforms.Normalize((0.1307,),(0.3081,)) ...# 下载数据集 train_set = datasets.MNIS代码如下:
# 1.定义超参数 BATCH_SIZE = 16 # 2.构建pipeline,对图片做一些变换 pipeline = transforms.Compose([ transforms.ToTensor(), transforms.Normalize((0.1307,),(0.3081,)) ]) # 3.加载数据集 from torch.utils.data import DataLoader # 下载数据集 train_set = datasets.MNIST("data",train=True,download=True,transform=pipeline) test_set = datasets.MNIST("data",train=False,download=True,transform=pipeline) # 加载数据 train_loader = DataLoader(train_set,batch_size=BATCH_SIZE,shuffle=True) test_loader = DataLoader(test_set,batch_size=BATCH_SIZE,shuffle=True)
这样就会自动下载数据集,下载的数据集是在你的代码所在的文件夹下面,一个叫data的文件夹,那里面就是下载的图片。
以上来源于从B站优秀的up主所讲解的视频中整理,B站链接为:
https://www.bilibili.com/video/BV1WT4y177SA?t=416 -
mnist数据集自带解析函数
2018-01-06 21:07:39mnist数据集,自带matlab解析函数,将文件名称和解析数量稍作修改便可使用。也可直接运行,默认解析1万幅图。 -
csv格式的MNIST数据集手写数字识别项目资源文件
2022-04-10 16:36:52csv格式的MNIST数据集手写数字识别项目资源文件 -
MNIST数据集(包含raw及preocessed)
2022-01-22 15:07:23本资源是MNIST数据集(包含raw及preocessed),下载后将data文件夹放在与项目.py文件同一目录内,注意加载数据集时使用root='./data'加载。 -
MNIST数据集(jpg格式)
2022-02-10 16:39:05这是MNIST手写数字数据集的jpg格式,包含60000张训练图片和10000张测试图片 -
使用逻辑回归进行MNIST数据集分类
2020-12-22 11:28:11MNIST数据集是机器学习领域中非常经典的一个数据集,由60000个训练样本和10000个测试样本组成,每个样本都是一张28 * 28像素的灰度手写数字图片。 import time import numpy as np import matplotlib.pyplot as plt... -
mnist数据集图片60000张
2021-08-05 12:43:21训练集50000张,测试集10000张 -
mnist数据集下载--代码导入你下载的文件夹即可
2019-10-14 11:51:51直接将本数据集下载到任意文件夹,导入的时候直接导入对应的文件夹即可 -
解压后的MNIST数据集
2019-02-19 10:32:40MNIST是最经典的手写数字数据集,但从数据集官网(http://yann.lecun.com/exdb/mnist/)下载下来后,会发现原始文件是一堆2进制文件,还是linux平台下的,没法直接用。而网上也找不到处理提取之后的版本,所以我就... -
Fashion-MNIST数据集.zip
2021-10-17 21:11:21训练数据图片train-images-idx3-ubyte 训练数据标签train-labels-idx1-ubyte 测试数据图片t10k-images-idx3-ubyte 测试数据标签t10k-labels-idx1-ubyte -
pytorch数据集下载Mnist数据集过慢解决方法
2020-04-28 22:40:51看到一个大佬的解决方案,完美解决: https://blog.csdn.net/york1996/article/details/81780065 -
机器学习实战3-sklearn使用下载MNIST数据集进行分类项目
2019-02-27 15:00:301、MNIST数据集 2、训练一个二元分类器 2.1、随机梯度下降(SGD)分类器 2.2、分类器的性能考核: 2.2.1、混淆矩阵 2.2.2、精度:(我的理解:预测集内,预测正确的比率) 2.2.3、召回率:(我的理解:整个正类... -
机器学习数据集篇——MNIST数据集
2021-05-16 07:39:08MNIST数据集是一个大型的手写体数字数据库,通常用于训练各种图像处理系统,也被广泛用于机器学习领域的训练和测试。MNIST数据库中的图像集是NIST(National Institute of Standards and Technology)的两个数据库的... -
python 下载 mnist 数据集失败
2018-11-13 17:44:16直接使用下面代码下载数据集失败了 from tensorflow.examples.tutorials.mnist import input_data mnist = input_data.read_data_sets("MNIST_data/", one_hot=True) 解决方法 去网站手动下载 ... -
MNIST数据集(图片版)
2020-09-24 11:07:48手写数字识别数据集MNIST,官网下载下来的是一个奇怪格式; 我将其转换为JPG图片保存下来,为学习之用。(mnist2jpg.py 转换脚本也有提供) -
FashionMNIST数据集
2018-12-22 10:25:05Fashion-MNIST是一个替代MNIST手写数字集的图像数据集。 它是由Zalando(一家德国的时尚科技公司)旗下的研究部门提供。其涵盖了来自10种类别的共7万个不同商品的正面图片。Fashion-MNIST的大小、格式和训练集/测试... -
mnist数据集下载
2017-03-13 16:21:00这个是tensorflow的mnist数据集,有时候官网给的地址由于各种原因上不去,可以从这里下载。 这个是tensorflow的mnist数据集,有时候官网给的地址由于各种原因上不去,可以从这里下载。 这个是tensorflow的mnist... -
mnist数据集(mnist.npz).zip
2019-12-09 10:50:57keras 源码中下载MNIST。数据源是通过 url = https://s3.amazonaws.com/img-datasets/mnist.npz 进行下载的。访问该 url 地址被墙了,导致 MNIST 相关的案例都卡在数据下载的环节。因此给出这个数据集供大家使用! -
模仿mnist数据集制作自己的数据集代码.zip
2020-02-15 11:02:29模仿mnist数据集制作产生自己的数据集代码,从而可以用自己的数据集进行深度学习的验证和代码的写作,新手可用