Tensorflow機器學習入門——cifar10數據集的讀取、展示與保存

• 基本信息
  • 官網：http://www.cs.toronto.edu/~kriz/cifar.html
  • 共60000張圖片：50000張用於訓練、10000張用於測試
  • 圖片大小為：32X32
  • 數據集圖片分為10類：每類6000張
    
• 數據集下載解壓后的目錄結構：
  
• 讀取、打印和保存數據集中指定的圖片：

  import pickle
  import matplotlib.pyplot as plt
  
  CIFAR_DIR ="cifar10_data/cifar-10-batches-bin/data_batch_1.bin"#數據集路徑
  with open(CIFAR_DIR , 'rb') as f:
      data = pickle.load(f, encoding='bytes')
  
  print('----------batch1的基本信息-------------')    
  print('data的數據類型：',type(data)) # 輸出 <class 'dict'>
  print('字典的key名稱：',data.keys()) # 輸出 dict_keys([b'filenames', b'data', b'labels', b'batch_label'])
  print('bdata的數據類型',type(data[b'data'])) # 輸出 <class 'numpy.ndarray'>
  print('bdata的數據形狀',data[b'data'].shape) # 輸出 (10000, 3072) 說明有 10000 個樣本, 3072個特征
  
  index=4#打印第幾張圖片
  print('-----------第%d張圖片信息----------'%index)
  print('filenames:',data[b'filenames'][index])
  print('labels:',data[b'labels'][index])
  print('batch_label:',data[b'batch_label'][index])
  image_arr = data[b'data'][index] # 拿出 第 index 個樣本
  image_arr = image_arr.reshape((3, 32, 32)) # 將一維向量改變形狀得到這樣一個元組:(高,寬,通道數)
  image_arr = image_arr.transpose((1, 2, 0)) 
  plt.imshow(image_arr) # 輸出圖片
  plt.savefig("cifar10_data/raw/%d.png"%index)#保存圖片
  plt.show()

• 打印出的圖片
•