TensorFlow——[基本图像分类]fashion-mnist及mnist_reader.py运行错误[TypeError: Invalid dimensions for image data]
问题描述
无。
问题分析
问题关键理解imshow函数的参数。
matplotlib.pyplot.imshow()需要数据是二维的数组或者第三维深度是3或4的三维数组,当第三维深度为1时,使用np.squeeze()压缩数据成为二维数组。
解决方案
改写 mnist_reader.py
def load_mnist(path, kind='train'):import osimport gzipimport numpy as np"""Load MNIST data from `path`"""labels_path = os.path.join(path,'%s-labels-idx1-ubyte.gz'% kind)images_path = os.path.join(path,'%s-images-idx3-ubyte.gz'% kind)with gzip.open(labels_path, 'rb') as lbpath:labels = np.frombuffer(lbpath.read(), dtype=np.uint8,offset=8)with gzip.open(images_path, 'rb') as imgpath:images = np.frombuffer(imgpath.read(), dtype=np.uint8,offset=16).reshape(len(labels), 28, 28) # 关键点return images, labelsdef load_data(path):train_images, train_labels = load_mnist(path, kind='train')test_images, test_labels = load_mnist(path, kind='t10k')return (train_images, train_labels), (test_images, test_labels)def load_data():return load_data('data/fashion')
代码测试
import mnist_reader
import matplotlib.pyplot as plt
train_images, train_labels = mnist_reader.load_mnist('../data/fashion', kind='train')
test_images, test_labels = mnist_reader.load_mnist('../data/fashion', kind='t10k')
print(train_images.shape)
plt.figure()
plt.imshow(train_images[0])
plt.colorbar()
plt.grid(False)
plt.show()
运行结果
参考文章
matplotlib绘图imshow()函数报错“TypeError: Invalid dimensions for image data”
Tensorflow学习第1课——从本地加载MNIST以及FashionMNIST数据
使用matplotlib.pyplot.imshow() 显示图像时出现“TypeError: Invalid dimensions for image data”的问题
TensorFlow——[基本图像分类]fashion-mnist及mnist_reader.py运行错误[TypeError: Invalid dimensions for image data]相关推荐
- TensorFlow中的Fashion MNIST图像识别实战
1.导入相应的库: 关于Fashion MNIST数据集的介绍:看这位博主: https://blog.csdn.net/qq_28869927/article/details/85079808 im ...
- web.py——运行错误【AttributeError: ‘StaticApp‘ object has no attribute ‘directory‘】
问题描述 AttributeError("'StaticApp' object has no attribute 'directory'") Traceback (most rec ...
- tensorflow2.0 CNN fashion MNIST图像分类
基于 CNN的 fashion MNIST图像分类 fashion MNIST图像分类 数据集简介 数据的预处理 CNN简介和构建 模型部分代码 CNN实验结果 致谢 fashion MNIST图像分 ...
- tensorflow卷积神经网络实战:Fashion Mnist 图像分类与人马分类
卷积神经网络实战:Fashion Mnist 图像分类与人马分类 一.FashionMnist的卷积神经网络模型 1.卷积VS全连接 2.卷积网络结构 3.卷积模型结构 1)Output Shape ...
- TensorFlow(Keras) 一步步实现Fashion MNIST衣服鞋子图片分类 (2) Coursera深度学习教程分享
@[TOC](Coursera TensorFlow(Keras) 一步步手写体Fashion Mnist识别分类(2) Tensorflow和ML, DL 机器学习/深度学习Coursera教程分享 ...
- TensorFlow 学习(六)时尚(衣服、鞋、包等) Fashion MNIST识别
使用 jupyter notebook 笔记,导入需要的包 # TensorFlow and tf.keras import tensorflow as tf from tensorflow impo ...
- Pytorch初学实战(一):基于的CNN的Fashion MNIST图像分类
1.引言 1.1.什么是Pytorch PyTorch是一个开源的Python机器学习库. 1.2.什么是CNN 卷积神经网络(Convolutional Neural Networks)是一种深度学 ...
- fashionmnist数据集_Keras实现Fashion MNIST数据集分类
本篇用keras构建人工神经网路(ANN)和卷积神经网络(CNN)实现Fashion MNIST 数据集单个物品分类,并从模型预测的准确性方面对ANN和CNN进行简单比较. Fashion MNIST ...
- 【人工智能项目】Fashion Mnist识别实验
[人工智能项目]Fashion Mnist识别实验 本次主要通过四个方法对fashion mnist进行识别实验,主要为词袋模型.hog特征.mlp多层感知器和cnn卷积神经网络.那么话不多说,走起来 ...
最新文章
- 博士称因待遇不公要离职,被学校要求返还51万元补偿费
- sql获取一张表所有的字段_SQL语句19问
- html 自动隐藏属性,隐藏(属性) | hidden (attribute)
- 英语对计算机人才的重要性,英语对计算机专业的重要性及如何提高英语水平
- mysql里面integer默认宽度_MySQL中关于数据类型指定宽度之后的情况
- 强java_Java (强/弱/软/虚)引用
- 全连接层的输入和输出_理解Web应用程序的本质,网络数据流处理与基础网络连接...
- 拓端tecdat|R语言如何在生存分析与Cox回归中计算IDI,NRI指标
- VS2010下配置 OpenCV2.2
- 详解Python正则表达式基础操作
- Verilog语法概述(一)
- 机器学习 识别图片人物动作_一键学习人物识别说明
- JS验证电话和传真号码格式
- 大文件上传控件webupload插件
- D1. Coffee and Coursework (Easy version) and D2. Coffee and Coursework (Hard Version)
- OSCHINA博文抄袭检查
- 扩音器软件测试简历,扩音器实验总结.docx
- 站长利好,迅雷宣布开放“迅雷下载JS-SDK”
- MATLAB实现车牌识别——蓝色底/黄色底
- 计算机应用能力考试多少选择题,计算机应用能力考试选择题汇总.doc
热门文章
- SharePoint 2010: 设计BCS工作流
- python graphql query返回一组字典数据_Python的sqlalchemy使用原生sql查询如何返回字典形式的数组?...
- 屏幕坏点检测图片_电视屏幕出现坏点怎么办?
- action与servlet用法区别
- php7 编译参数详解,php7.4.5编译安装参数变更
- 字符串从右截取_跟运维组学Python基础day04(字符串str的索引和切片)
- mysql配置kodi16.1_kodi16.1电脑版和机顶盒版安装和使用图文教程
- 交换机配置软件_交换机常见故障分类与排除方法
- 关于点名的简单python编程_如何用python编写一个简易的随机点名软件
- 二、Go语言基础入门