如何对TensorFlow_DataSets下的MNIST数据集进行画图_数据分析

背景

tensorflow平台作为最常用的机器学习平台非常适合初学者学习研究。其中 tensorflow_datasets模块自带的数据集，更是免去了学习过程中数据搜集不到的尴尬，这里作者简要介绍其中的一种mnist数据集的画图操作

代码内容

详细代码内容如下：

mport tensorflow as tf
import tensorflow_datasets as tfds
from tensorflow import keras
import matplotlib.pyplot as plt
mnist_train,mnist_test=tfds.load(name="mnist",split=['train','test'],as_supervised=true)
mnist_sample=mnist_train.take(5)
for i,(image,label) in enumerate(tfds.as_numpy(mnist_sample)):
    plt.subplot(1,5,i+1)
    plt.imshow(image,cmap='gray')
    plt.title(f'label {label}')
    plt.axis('off')
plt.show()

这里的代码首先使用tensorflow_datasets （简称tfds）读取mnist数据集，需要注意的是第一次读取过程中需要从服务器上下载数据，因此会比较慢，方法中的name属性表示要下载的数据集名称，split属性表示将数据集切片为“训练集”和“测试集”，as_supervised属性设置导出的数据集是否包含label属性。

mnist_train,mnist_test=tfds.load(name=“mnist”,split=[‘train’,‘test’],as_supervised=true)```

接下来从训练集中选取5个样本作为样本集
···
mnist_sample=mnist_train.take(5)
···
最后开始画图。使用tfds自带的as_numpy方法将样本集转换为numpy数组，对该数组进行遍历，可以得到遍历索引和一个包含图片像素以及标签的元祖。样本一共有五个，因此添加5个子图，调用plt.imshow()方法可根据图片像素值进行画图处理，在每张完成的图添加一个样本label属性标签。最后 调用show()方法展现图片

···
for i,(image,label) in enumerate(tfds.as_numpy(mnist_sample)):
    plt.subplot(1,5,i+1)
    plt.imshow(image,cmap='gray')
    plt.title(f'label {label}')
    plt.axis('off')
plt.show()
···