用matplotlib显示一下MNIST数据集中手写数字的真实面目

本文链接：https://blog.csdn.net/ctrigger/article/details/97497407

本文介绍了MNIST数据集，这是一个包含手写数字图片的入门级计算机视觉数据集，用于评估机器学习算法性能。数据集分为6万条训练样本和1万条测试样本，通过展示部分手写数字图像及其标签，直观呈现了数据集的特点。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

MNIST 是一个入门级计算机视觉数据集，包含了很多手写数字图片。MNIST是一个手写数字图像的数据集，每幅图像都由一个整数标记。它主要用于机器学习算法的性能对标。深度学习算法处理MNIST的效果相当好。

MNIST数据集包含一个有6万个样例的训练集和一个有1万个样例的测试集。训练集用于让算法学习如何准确地预测出图像的整数标签，而测试集则用于检查已训练网络的预测有多准确。

那么MNIST图片是什么呢？让我们看看手写字体什么样子吧。

#!/usr/bin/env python
import os
import tensorflow as tf
import matplotlib.pyplot as plt

os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
tf.compat.v1.enable_eager_execution()

print("TensorFlow Version:\t", tf.__version__)

mnist = tf.keras.datasets.mnist

(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

fig, ax = plt.subplots(nrows=10, ncols=10, sharex='all', sharey='all')
ax = ax.flatten()
for i in range(100):
    img = x_train[i].reshape(28, 28)
    ax[i].imshow(img, cmap='Greys', interpolation='nearest')
ax[0].set_xticks([])
ax[0].set_yticks([])
plt.tight_layout()
plt.show()

看看数字，歪歪斜斜的，很不好认啊。下面我们再把标签加上，来看看真实面目。。

#!/usr/bin/env python
import os
import tensorflow as tf
import matplotlib.pyplot as plt

os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
tf.compat.v1.enable_eager_execution()

print("TensorFlow Version:\t", tf.__version__)

mnist = tf.keras.datasets.mnist

(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

fig, ax = plt.subplots(nrows=5, ncols=5, sharex='all', sharey='all')
ax = ax.flatten()
for i in range(25):
    img = x_train[i].reshape(28, 28)
    ax[i].set_title(y_train[i])
    ax[i].imshow(img, cmap='Greys', interpolation='nearest')
ax[0].set_xticks([])
ax[0].set_yticks([])
plt.tight_layout()
plt.show()