MNIST 手寫數據集介紹

MNIST 手寫數據集介紹

1、數據集介紹

• MNIST數據集是機器學習領域中非常經典的一個數據集，最簡單的方法就是使用如下代碼直接加載：

import tensorflow as tf
(X_train, y_train), (X_test, y_test) = tf.keras.datasets.mnist.load_data()
print(X_train.shape, y_train.shape)		#  (60000, 28, 28) (60000,)
print(X_test.shape, y_test.shape)		#  (10000, 28, 28) (10000,)

• 可以看出數據集由60000個訓練樣本和10000個測試樣本組成
• 每個樣本都是一張28 * 28像素的灰度手寫數字圖片
• 每個像素點是一個0-255的整數

2、打印第一個手寫圖片

import matplotlib.pyplot as plt

plt.figure()
plt.imshow(X_train[0])
plt.colorbar()
plt.grid(False)
plt.show()

3、打印前25張手寫數字

# 把像素值縮放到 0-1
X_train = X_train / 255.0
X_test = X_test / 255.0
# 所有的分類標籤
class_names = ['0', '1', '2', '3', '4', '5', '6', '7', '8', '9']

plt.figure(figsize=(10,10))
for i in range(25):
    plt.subplot(5,5,i+1)
    plt.xticks([])
    plt.yticks([])
    plt.grid(False)
    plt.imshow(X_train[i], cmap=plt.cm.binary)
    plt.xlabel(class_names[y_train[i]])