下载地址

http://yann.lecun.com/exdb/mnist/

文件说明

文件名

train-images.idx3-ubyte.gz：训练集图片（9912422字节），55000张训练集，5000张验证集
train-labels.idx1-ubyte.gz：训练集图片对应的标签（28881字节），
t10k-images.idx3-ubyte .gz：测试集图片（1648877字节），10000张图片
t10k-labels.idx1-ubyte.gz：测试集图片对应的标签（4542字节）

文件格式

TRAINING SET LABEL FILE (train-labels.idx1-ubyte)

offset	type	value	description
0000	32 bit integer	0x00000801(2049)	magic number (MSB first)
0004	32 bit integer	60000	number of items
0008	unsigned byte	0/1/2/3/4/5/6/7/8/9	label
0009	unsigned byte	0/1/2/3/4/5/6/7/8/9	label
…	…	…	…
xxxx	unsigned byte	0/1/2/3/4/5/6/7/8/9	label

TRAINING SET IMAGE FILE (train-images-idx3-ubyte):

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

TEST SET LABEL FILE (t10k-labels-idx1-ubyte):

offset	type	value	description
0000	32 bit integer	0x00000801(2049)	magic number (MSB first)
0004	32 bit integer	10000	number of items
0008	unsigned byte	0/1/2/3/4/5/6/7/8/9	label
0009	unsigned byte	0/1/2/3/4/5/6/7/8/9	label
…	…	…	…
xxxx	unsigned byte	0/1/2/3/4/5/6/7/8/9	label

TEST SET IMAGE FILE (t10k-images-idx3-ubyte):

offset	type	value	description
0000	32 bit integer	0x00000803(2051)	magic number
0004	32 bit integer	10000	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

保存为图片格式

# 导入包
import struct
import numpy as np
from PIL import Imageclass MnistParser:# 加载图像def load_image(self, file_path):# 读取二进制数据binary = open(file_path,'rb').read()# 读取头文件fmt_head = '>iiii'offset = 0# 读取头文件magic_number,images_number,rows_number,columns_number = struct.unpack_from(fmt_head,binary,offset)# 打印头文件信息print('图片数量:%d,图片行数:%d,图片列数:%d'%(images_number,rows_number,columns_number))# 处理数据image_size = rows_number * columns_numberfmt_data = '>'+str(image_size)+'B'offset = offset + struct.calcsize(fmt_head)# 读取数据images = np.empty((images_number,rows_number,columns_number))for i in range(images_number):images[i] = np.array(struct.unpack_from(fmt_data, binary, offset)).reshape((rows_number, columns_number))offset = offset + struct.calcsize(fmt_data)# 每1万张打印一次信息if (i+1) % 10000 == 0:print('> 已读取:%d张图片'%(i+1))# 返回数据return images_number,rows_number,columns_number,images# 加载标签def load_labels(self, file_path):# 读取数据binary = open(file_path,'rb').read()# 读取头文件fmt_head = '>ii'offset = 0# 读取头文件magic_number,items_number = struct.unpack_from(fmt_head,binary,offset)# 打印头文件信息print('标签数:%d'%(items_number))# 处理数据fmt_data = '>B'offset = offset + struct.calcsize(fmt_head)# 读取数据labels = np.empty((items_number))for i in range(items_number):labels[i] = struct.unpack_from(fmt_data, binary, offset)[0]offset = offset + struct.calcsize(fmt_data)# 每1万张打印一次信息if (i+1)%10000 == 0:print('> 已读取:%d个标签'%(i+1))# 返回数据return items_number,labels# 图片可视化def visualaztion(self, images, labels, path):d = {0:0, 1:0, 2:0, 3:0, 4:0, 5:0, 6:0, 7:0, 8:0, 9:0}for i in range(images.__len__()):im = Image.fromarray(np.uint8(images[i]))im.save(path + "%d_%d.png"%(labels[i], d[labels[i]]))d[labels[i]] += 1# im.show()if (i+1)%10000 == 0:print('> 已保存:%d个图片'%(i+1))# 保存为图片格式
def change_and_save():mnist =  MnistParser()trainImageFile = './train-images.idx3-ubyte'_, _, _, images = mnist.load_image(trainImageFile)trainLabelFile = './train-labels.idx1-ubyte'_, labels = mnist.load_labels(trainLabelFile)mnist.visualaztion(images, labels, "./images/train/")testImageFile = './train-images.idx3-ubyte'_, _, _, images = mnist.load_image(testImageFile)testLabelFile = './train-labels.idx1-ubyte'_, labels = mnist.load_labels(testLabelFile)mnist.visualaztion(images, labels, "./images/test/")# 测试
if __name__ == '__main__':change_and_save()

MNIST 数据集下载与保存为图片格式相关推荐

python 读取 MNIST 数据集，并解析为图片文件
python 读取 MNIST 数据集,并解析为图片文件 MNIST 是 Yann LeCun 收集创建的手写数字识别数据集,训练集有 60,000 张图片,测试集有 10,000 张图片.数据集链接 ...
MNIST数据集下载及可视化
MNIST数据集介绍 MNIST数据集官网:http://yann.lecun.com/exdb/mnist/ MNIST数据库是非常经典的一个数据集,就像你学编程起初写一个"Hello W ...
通过谷歌浏览器将当前页面保存为图片格式
打开你需要保存为图片格式的页面,按F12打开控制台在控制台按ctrl+shift+p然后出现输入框,输入full,然后回车然后它会将当前网页转换为png图片格式,然后下载到谷歌的默认存储位置转换 ...
Python 手写数字识别 MNIST数据集下载失败
目录一.MNIST数据集下载失败 1 失败的解决办法(经验教训): 2 亲测有效的解决方法: 一.MNIST数据集下载失败场景复现:想要pytorch+MINIST数据集来实现手写数字识别,首先就 ...
vuejs项目前端纯js在线下载网页内容保存为自定义格式的word文件、另存为word文件
所有前端导入导出方法集合: 前端必备技能知识:JS导出Blob流文件为Excel表格.Vue.js使用Blob的方式实现excel表格的下载(流文件下载)_勤动手多动脑少说多做厚积薄发-CSDN博客_ ...
uniapp 小程序 APP 实现手写板签名画图 canvas 保存为图片格式
文章目录 uniapp 小程序 APP 实现手写板签名画图 canvas 保存为图片格式一.手写板 1.H5代码 2.JS代码总结 uniapp 小程序 APP 实现手写板签名画图 can ...
深度学习入门-基于Python的理论入门与实现源代码加mnist数据集下载推荐
深度学习入门-基于Python的理论入门与实现源代码加mnist数据集下载推荐书籍封面 1-图灵网站下载书里也说了,可以图灵网站下载https://www.ituring.com.cn/book/ ...
MNIST数据集下载+idx3-ubyte解析【超详细+上手简单】
前言训练模型的时候经常会使用MNIST数据集来训练模型,那么如何获取到MNIST数据集呢?博主经过实践后,总结了经验,希望能帮助到屏幕前的你使用MNIST数据集. 目录前言 1 下载MNIST数据 ...
mnist数据集读取并保存为Numpy数组
背景信息 MNIST数据集简介 MNIST数据集是从 NIST 的Special Database 3(SD-3)和Special Database 1(SD-1)构建而来.由于SD-3是由美国人口调 ...
手写数字识别MNIST数据集下载百度网盘链接快速下载
介绍 MNIST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. 下载官方链接:http://ya ...

MNIST 数据集下载与保存为图片格式

下载地址

文件说明

文件名

文件格式

TRAINING SET LABEL FILE (train-labels.idx1-ubyte)

TRAINING SET IMAGE FILE (train-images-idx3-ubyte):

TEST SET LABEL FILE (t10k-labels-idx1-ubyte):

TEST SET IMAGE FILE (t10k-images-idx3-ubyte):

保存为图片格式

MNIST 数据集下载与保存为图片格式相关推荐

最新文章

热门文章

MNIST 数据集下载 与 保存为图片格式

下载地址

文件说明

文件名

文件格式

TRAINING SET LABEL FILE (train-labels.idx1-ubyte)

TRAINING SET IMAGE FILE (train-images-idx3-ubyte):

TEST SET LABEL FILE (t10k-labels-idx1-ubyte):

TEST SET IMAGE FILE (t10k-images-idx3-ubyte):

保存为图片格式

MNIST 数据集下载 与 保存为图片格式相关推荐

最新文章

热门文章

MNIST 数据集下载与保存为图片格式

MNIST 数据集下载与保存为图片格式相关推荐