完成CIFAR-10數據集可視化

① CIFAR-10數據集包含60000個32*32的彩色圖像，共有10類。有50000個訓練圖像和10000個測試圖像。
數據集分爲5個訓練塊和1個測試塊，每個塊有10000個圖像。測試塊包含從每類隨機選擇的1000個圖像。訓練塊以隨機的順序包含這些圖像，但一些訓練塊可能比其它類包含更多的圖像。訓練塊每類包含5000個圖像。

②data——1個10000*3072大小的uint8s數組。數組的每行存儲1張32*32的圖像。第1個1024包含紅色通道值，下1個包含綠色，最後的1024包含藍色。圖像存儲以行順序爲主，所以數組的前32列爲圖像第1行的紅色通道值。
labels——1個10000數的範圍爲0~9的列表。索引i的數值表示數組data中第i個圖像的標籤。

③數據集中包含另外1個叫batches.meta的文件。它也包含1個Python字典對象。有如下列元素：
label_names——1個10元素的列表，給labels中的數值標籤以有意義的名稱。例如，label_names[0] == “airplane”, label_names[1] == “automobile”等。
下載數據集
CIFAR-10數據集下載鏈接
運行python代碼

# -*- coding:utf-8 -*-
# QQ2737499951奇蹟
# 2019.12.13


import pickle
import numpy as np
import matplotlib.pyplot as plt
from PIL import Image
import os



classification = ['airplane', 'automobile', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck']

images_dir = "./images/"
test_dir = "./test/"

images_batch = "./cifar-10-batches-py/data_batch_"
test_batch = "./cifar-10-batches-py/test_batch"


def load_images(save_path, path_batch, num=1):
    data = []
    labels = []
    print("path_batch", path_batch)
    with open(path_batch, mode='rb') as file:
        data_dict = pickle.load(file, encoding='bytes')
        data += list(data_dict[b'data'])
        labels += list(data_dict[b'labels'])
    img = np.reshape(data, [-1, 3, 32, 32])

    if not os.path.exists(save_path):
        os.mkdir(save_path)
    for i in range(img.shape[0]):
        r = img[i][0]
        g = img[i][1]
        b = img[i][2]

        ir = Image.fromarray(r)
        ig = Image.fromarray(g)
        ib = Image.fromarray(b)
        rgb = Image.merge("RGB", (ir, ig, ib))

        if i < 10:  # 只顯示前10張圖片
            plt.imshow(rgb)
            plt.axis('off')  # 不顯示座標軸
            plt.show()
        label = classification[labels[i]]
        save_dir = save_path + label + "/"
        if not os.path.exists(save_dir):
            os.mkdir(save_dir)
        name = label + "_img-" + str(i) + ".png"
        rgb.save(save_dir + name, "PNG")  # 文件夾下是RGB融合後的圖像


if __name__ == "__main__":
    # images
    print("正在保存images圖片:")
    for i in range(5):
        path = images_batch + str(i + 1)
        load_images(images_dir, path)
    print("保存images完畢.")
    # test
    print("正在保存test圖片:")
    load_images(test_dir, test_batch)
    print("保存test完畢.")