详解MNIST数据集下载、解析及显示的Python实现

您所在的位置：网站首页 › 怎么下载淘宝图片集 › 详解MNIST数据集下载、解析及显示的Python实现

详解MNIST数据集下载、解析及显示的Python实现

2024-07-14 18:33| 来源: 网络整理| 查看: 265

Content MNIST数据集基本介绍下载MNIST数据集到本地解析MNIST数据集显示MNIST数据集中训练集的前9张图片和标签

随着图像处理、计算机视觉、机器学习，甚至深度学习的蓬勃发展，一个良好的数据集作为学习和测试相关算法非常重要。MNIST数据集对于想要学习和测试相关算法，同时又不想花费大量的时间收集和整理数据集的人们来说，这是一个很好的数据库。MNIST数据集官方地址为：http://yann.lecun.com/exdb/mnist/【请复制链接到浏览器打开，直接点击此处进入需要账号和密码】😆😆😆

http://yann.lecun.com/exdb/mnist/ MNIST数据集基本介绍

MNIST 数据库是一个大型手写数字数据库（包含0~9十个数字），包含 60,000 张训练图像和 10,000 张测试图像，通常用于训练各种图像处理系统。训练数据集取自美国人口普查局员工，而测试数据集取自美国高中生。所有的手写数字图片的分辨率为28*28。

MNIST训练集图像、训练集标签、测试集图像和测试及标签如下表：

数据集MNIST中的文件名下载地址文件大小训练集图像train-images-idx3-ubyte.gzhttp://yann.lecun.com/exdb/mnist/train-images-idx3-ubyte.gz9912422字节训练集标签train-labels-idx1-ubyte.gzhttp://yann.lecun.com/exdb/mnist/train-labels-idx1-ubyte.gz28881字节测试集图像t10k-images-idx3-ubyte.gzhttp://yann.lecun.com/exdb/mnist/t10k-images-idx3-ubyte.gz1648877字节测试集标签t10k-labels-idx1-ubyte.gzhttp://yann.lecun.com/exdb/mnist/t10k-labels-idx1-ubyte.gz4542字节下载MNIST数据集到本地

【这里给出了多种下载方式，宝子们根据情况选择🔥🔥】

通过博主分享的百度网盘下载公开数据集MNIST；通过代码直接下载【推荐】💥💥💥；官网下载【可能会需要账号密码】；复制链接地址到迅雷下载。使用百度网盘下载。🏃🏃🏃

博主已将MNIST公开数据集上传至百度网盘，大家可以直接下载学习。

链接：https://pan.baidu.com/s/1jAPlVKLYamJn6I63GD6HDg?pwd=azq2 提取码：azq2

在这里插入图片描述

使用Python脚本下载（推荐😄😄⭐️⭐️🚀🚀）使用wget.download(url, out=None, bar=bar_adaptive)下载。首先确保自己的Python环境安装有wget这个第三方库，否则pip install wget安装。使用下面脚本会自动下载MNIST数据集的四个文件到download_minst(save_dir: str = None)所传入的保存路径save_dir中。 """ 下载MNIST数据集脚本 """ import os from pathlib import Path import logging import wget logging.basicConfig(level=logging.INFO, format="%(message)s") def download_minst(save_dir: str = None) -> bool: """下载MNIST数据集输入参数: save_dir: MNIST数据集的保存地址. 类型: 字符串. 返回值: 全部下载成功返回True, 否则返回False """ save_dir = Path(save_dir) train_set_imgs_addr = save_dir / "train-images-idx3-ubyte.gz" train_set_labels_addr = save_dir / "train-labels-idx1-ubyte.gz" test_set_imgs_addr = save_dir / "t10k-images-idx3-ubyte.gz" test_set_labels_addr = save_dir / "t10k-labels-idx1-ubyte.gz" try: if not os.path.exists(train_set_imgs_addr): logging.info("下载train-images-idx3-ubyte.gz") filename = wget.download(url="http://yann.lecun.com/exdb/mnist/train-images-idx3-ubyte.gz", out=str(train_set_imgs_addr)) logging.info("\tdone.") else: logging.info("train-images-idx3-ubyte.gz已经存在.") if not os.path.exists(train_set_labels_addr): logging.info("下载train-labels-idx1-ubyte.gz.") filename = wget.download(url="http://yann.lecun.com/exdb/mnist/train-labels-idx1-ubyte.gz", out=str(train_set_labels_addr)) logging.info("\tdone.") else: logging.info("train-labels-idx1-ubyte.gz已经存在.") if not os.path.exists(test_set_imgs_addr): logging.info("下载t10k-images-idx3-ubyte.gz.") filename = wget.download(url="http://yann.lecun.com/exdb/mnist/t10k-images-idx3-ubyte.gz", out=str(test_set_imgs_addr)) logging.info("\tdone.") else: logging.info("t10k-images-idx3-ubyte.gz已经存在.") if not os.path.exists(test_set_labels_addr): logging.info("下载t10k-labels-idx1-ubyte.gz.") filename = wget.download(url="http://yann.lecun.com/exdb/mnist/t10k-labels-idx1-ubyte.gz", out=str(test_set_labels_addr)) logging.info("\tdone.") else: logging.info("t10k-labels-idx1-ubyte.gz已经存在.") except: return False return True if __name__ == "__main__": download_minst(save_dir="./")

直接进入http://yann.lecun.com/exdb/mnist/点击对应的数据集下载。【截止20231219，需要账号密码】在这里插入图片描述

使用迅雷下载🔥🔥

在这里插入图片描述

解析MNIST数据集

不同于我们常见到的数据集图片通过jpg这样的图片格式保存，标签通过txt、xml、json等常规文本文件保存。MNIST的图片和标签均通过二进制文件进行保存，也就是我们无法直接在Windows中查看手写数字的图片和标签，必须要先解码。

MNITS的编码格式如下：

训练集在这里插入图片描述

测试集在这里插入图片描述从上面官方提供的编码格式可以看出，MNIST的图片和标签均采用二进制编码，图片二进制编码文件的前16个字节（Byte）为描述性内容，我们可以不管，因为我们已经知道MNIST训练集60000张图片、测试集10000张图片，所有图片分辨率为28*28，因此可以直接通过Python自带的gzip工具读取MNIST数据集的图片和标签二进制编码文件，再通过numpy.frombuffer()方法解析读取到的二进制信息，解析MNIST二进制文件的Python脚本如下：

""" 通过gzip和numpy解析MNIST数据集的二进制文件 """ import os import gzip import logging import numpy as np logging.basicConfig(format="%(message)s", level=logging.DEBUG) # 设置Python日志管理工具的消息格式和显示级别 def parse_mnist(minst_file_addr: str = None, flatten: bool = False, one_hot: bool = False) -> np.array: """解析MNIST二进制文件, 并返回解析结果输入参数: minst_file: MNIST数据集的文件地址. 类型: 字符串. flatten: bool, 默认Fasle. 是否将图片展开, 即(n张, 28, 28)变成(n张, 784) one_hot: bool, 默认Fasle. 标签是否采用one hot形式. 返回值: 解析后的numpy数组 """ if minst_file_addr is not None: minst_file_name = os.path.basename(minst_file_addr) # 根据地址获取MNIST文件名字 with gzip.open(filename=minst_file_addr, mode="rb") as minst_file: mnist_file_content = minst_file.read() if "label" in minst_file_name: # 传入的为标签二进制编码文件地址 data = np.frombuffer(buffer=mnist_file_content, dtype=np.uint8, offset=8) # MNIST标签文件的前8个字节为描述性内容，直接从第九个字节开始读取标签，并解析 if one_hot: data_zeros = np.zeros(shape=(data.size, 10)) for idx, label in enumerate(data): data_zeros[idx, label] = 1 data = data_zeros else: # 传入的为图片二进制编码文件地址 data = np.frombuffer(buffer=mnist_file_content, dtype=np.uint8, offset=16) # MNIST图片文件的前16个字节为描述性内容，直接从第九个字节开始读取标签，并解析 data = data.reshape(-1, 784) if flatten else data.reshape(-1, 28, 28) else: logging.warning(msg="请传入MNIST文件地址!") return data if __name__ == "__main__": data = parse_mnist(minst_file_addr="./t10k-labels-idx1-ubyte.gz") # t10k-images-idx1-ubyte.gz文件应该和本脚本在同一个目录下，否则应该修改地址 print(len(data)) # 10000 print(data[0:10]) # [7 2 1 0 4 1 4 9 5 9] 显示MNIST数据集中训练集的前9张图片和标签

通过上一步解析后的MNIST数据已经是numpy.narray数据类型，可以直接通过pillow、opencv和matplotlib库直接可视化了。此处博主通过matplotlib库可视化MNIST训练集的前9张图片及其标签，代码和效果如下：

""" 通过gzip和numpy解析MNIST数据集的二进制文件, 并可视化训练集前10张图片和标签 """ import os import gzip import logging import numpy as np import matplotlib.pyplot as plt logging.basicConfig(format="%(message)s", level=logging.DEBUG) # 设置Python日志管理工具的消息格式和显示级别 plt.rcParams["font.sans-serif"] = "SimHei" # 确保plt绘图正常显示中文 plt.rcParams["figure.figsize"] = [9, 10] # 设置plt绘图尺寸 def parse_mnist(minst_file_addr: str = None) -> np.array: """解析MNIST二进制文件, 并返回解析结果输入参数: minst_file: MNIST数据集的文件地址. 类型: 字符串. 返回值: 解析后的numpy数组 """ if minst_file_addr is not None: minst_file_name = os.path.basename(minst_file_addr) # 根据地址获取MNIST文件名字 with gzip.open(filename=minst_file_addr, mode="rb") as minst_file: mnist_file_content = minst_file.read() if "label" in minst_file_name: # 传入的为标签二进制编码文件地址 data = np.frombuffer(buffer=mnist_file_content, dtype=np.uint8, offset=8) # MNIST标签文件的前8个字节为描述性内容，直接从第九个字节开始读取标签，并解析 else: # 传入的为图片二进制编码文件地址 data = np.frombuffer(buffer=mnist_file_content, dtype=np.uint8, offset=16) # MNIST图片文件的前16个字节为描述性内容，直接从第九个字节开始读取标签，并解析 data = data.reshape(-1, 28, 28) else: logging.warning(msg="请传入MNIST文件地址!") return data if __name__ == "__main__": train_imgs = parse_mnist(minst_file_addr="train-images-idx3-ubyte.gz") # 训练集图像 train_labels = parse_mnist(minst_file_addr="train-labels-idx1-ubyte.gz") # 训练集标签 # 可视化 fig, ax = plt.subplots(ncols=3, nrows=3) ax[0, 0].imshow(train_imgs[0], cmap=plt.cm.gray) ax[0, 0].set_title(f"标签为{train_labels[0]}") ax[0, 1].imshow(train_imgs[1], cmap=plt.cm.gray) ax[0, 1].set_title(f"标签为{train_labels[1]}") ax[0, 2].imshow(train_imgs[2], cmap=plt.cm.gray) ax[0, 2].set_title(f"标签为{train_labels[2]}") ax[1, 0].imshow(train_imgs[3], cmap=plt.cm.gray) ax[1, 0].set_title(f"标签为{train_labels[3]}") ax[1, 1].imshow(train_imgs[4], cmap=plt.cm.gray) ax[1, 1].set_title(f"标签为{train_labels[4]}") ax[1, 2].imshow(train_imgs[5], cmap=plt.cm.gray) ax[1, 2].set_title(f"标签为{train_labels[5]}") ax[2, 0].imshow(train_imgs[6], cmap=plt.cm.gray) ax[2, 0].set_title(f"标签为{train_labels[6]}") ax[2, 1].imshow(train_imgs[7], cmap=plt.cm.gray) ax[2, 1].set_title(f"标签为{train_labels[7]}") ax[2, 2].imshow(train_imgs[8], cmap=plt.cm.gray) ax[2, 2].set_title(f"标签为{train_labels[8]}") plt.show() # 显示绘图 print(plt.rcParams.keys())

在这里插入图片描述

创作不易，若觉得此篇博文有用的观众老爷，不妨点赞👍➕收藏🌟💯🚀

【本文地址】

详解MNIST数据集下载、解析及显示的Python实现

详解MNIST数据集下载、解析及显示的Python实现

今日新闻

推荐新闻