识别MNIST数据集之（一）：读取数据

1.下载数据集

MNIST是一个标注的手写数据集，可以用来测试你的网络是否成功，你可以从这个网站下载数据集

http://yann.lecun.com/exdb/mnist/

可以看到它分为四个部分，分别是训练图片的图像和标签，以及训练数据的图像和标签，我们需要分别对他们进行读入

在读入之前，我们还需要用np.zeros申请空间，方便追加数据

self.train_img_list = np.zeros((self.N, 28 * 28))
self.train_label_list = np.zeros((self.N, 1))

1
2

2.读入数据集

这里的数据被用python的struct打包成了二进制文件，我们需要python.struct来把这些数据读入进来

首先我们把文件用二进制的方式读进来

binfile = open(filename,'rb')
buf = binfile.read()

1
2

然后用struct进行解包

struct.unpack_from( '>IIII', buf, index )

1

这个函数的意思就是，从buf的index这个地方，用大段序的方法读4个unsigned int32，这里面包含了图像数量，行数，列数一些元信息。 

读完了之后，我们就调整读指针的位置

index += struct.calcsize('>IIII')

1

2.1读入图像数据

然后每次读取784B的数据，就是图像的信息了

im = struct.unpack_from('>784B', buf, index)
index += struct.calcsize('>784B')

1
2

    def read_train_images(self,filename):
binfile = open(filename, 'rb')
buf = binfile.read()
index = 0
magic, self.train_img_num, self.numRows, self.numColums = struct.unpack_from('>IIII', buf, index)
print magic, ' ', self.train_img_num, ' ', self.numRows, ' ', self.numColums
index += struct.calcsize('>IIII')
for i in range(self.train_img_num):
im = struct.unpack_from('>784B', buf, index)
index += struct.calcsize('>784B')
im = np.array(im)
im = im.reshape(1, 28 * 28)
self.train_img_list[ i , : ] = im

plt.imshow(im, cmap='binary')  # 黑白显示
plt.show()

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

2.2读入标签数据

每次读入2个unsigned int的元数据，并且相应的调整位置，代码如下

magic, self.train_label_num = struct.unpack_from('>II', buf, index)
index += struct.calcsize('>II')

for i in range(self.train_label_num):
# for x in xrange(2000):
label_item = int(struct.unpack_from('>B', buf, index)[0])
self.train_label_list[ i , : ] = label_item
index += struct.calcsize('>B')

1
2
3
4
5
6
7
8

3.其他数据

除了训练数据以外还有测试用的数据，读法也和上面读训练数据一样，成功读完之后就可以开始训练了