tensorflow mnist 数据加载实现并画图效果
关于TensorFlow
TensorFlow™是一个采用数据流图（dataflowgraphs），用于数值计算的开源软件库。节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。它灵活的架构让你可以在多种平台上展开计算，例如台式计算机中的一个或多个CPU（或GPU），服务器，移动设备等等。TensorFlow最初由Google大脑小组（隶属于Google机器智能研究机构）的研究员和工程师们开发出来，用于机器学习和深度神经网络方面的研究，但这个系统的通用性使其也可广泛用于其他计算领域。
Tensorflow是谷歌公司在2015年9月开源的一个深度学习框架。
正文开始：
直接看代码：
%matplotlib
fromtensorflow.examples.tutorials.mnistimportinput_data
importmatplotlib.pyplotasplt
mnist=input_data.read_data_sets('MNIST_data',one_hot=True)
print('Trainingdatasize:',mnist.train.num_examples)
print('Validationdatasize:',mnist.validation.num_examples)
print('Testdatasize:',mnist.test.num_examples)
img0=mnist.train.images[0].reshape(28,28)
img1=mnist.train.images[1].reshape(28,28)
img2=mnist.train.images[2].reshape(28,28)
img3=mnist.train.images[3].reshape(28,28)
fig=plt.figure(figsize=(10,10))
ax0=fig.add_subplot(221)
ax1=fig.add_subplot(222)
ax2=fig.add_subplot(223)
ax3=fig.add_subplot(224)
ax0.imshow(img0)
ax1.imshow(img1)
ax2.imshow(img2)
ax3.imshow(img3)
fig.show()
画图结果：
总结
以上所述是小编给大家介绍的tensorflowmnist数据加载实现并画图效果，希望对大家有所帮助！
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。