plotly怎么分割显示mnist

这篇文章主要介绍了plotly怎么分割显示mnist的相关知识，内容详细易懂，操作简单快捷，具有一定借鉴价值，相信大家阅读完这篇plotly怎么分割显示mnist文章都会有所收获，下面我们一起来看看吧。

加载mnist

import numpy def loadMnist() -> (numpy.ndarray,numpy.ndarray,numpy.ndarray,numpy.ndarray):     """     :return:  (xTrain,yTrain,xTest,yTest)     """     global _TRAIN_SAMPLE_CNT     global PIC_H     global PIC_W     global _TEST_SAMPLE_CNT     global PIC_HW     from tensorflow import keras #修改点: tensorflow:2.6.2,keras:2.6.0 此版本下,  import keras 换成 from tensorflow import keras     import tensorflow     print(f"keras.__version__:{keras.__version__}")#2.6.0     print(f"tensorflow.__version__:{tensorflow.__version__}")#2.6.2     # avatar_img_path = "/kaggle/working/data"     import os     import cv2     xTrain:numpy.ndarray; label_train:numpy.ndarray; xTest:numpy.ndarray; label_test:numpy.ndarray     yTrain:numpy.ndarray; yTest:numpy.ndarray     #%userprofile%\.keras\datasets\mnist.npz     (xTrain, label_train), (xTest, label_test) = keras.datasets.mnist.load_data()     # x_train.shape,y_train.shape, x_test.shape, label_test.shape     # (60000, 28, 28), (60000,), (10000, 28, 28), (10000,)     _TRAIN_SAMPLE_CNT,PIC_H,PIC_W=xTrain.shape     PIC_HW=PIC_H*PIC_W     xTrain=xTrain.reshape((-1, PIC_H * PIC_W))     xTest=xTest.reshape((-1, PIC_H * PIC_W))     _TEST_SAMPLE_CNT=label_test.shape[0]     from sklearn import preprocessing     #pytorch 的 y 不需要 oneHot     #_label_train是1列多行的样子.  _label_train.shape : (60000, 1)     yTrain=label_train     # y_train.shape:(60000) ; y_train.dtype: dtype('int')     CLASS_CNT=yTrain.shape[0]     yTest=label_test     # y_test.shape:(10000) ; y_test.dtype: dtype('int')     xTrainMinMaxScaler:preprocessing.MinMaxScaler; xTestMinMaxScaler:preprocessing.MinMaxScaler     xTrainMinMaxScaler=preprocessing.MinMaxScaler()     xTestMinMaxScaler=preprocessing.MinMaxScaler()     # x_train.dtype: dtype('uint8') -> dtype('float64')     xTrain=xTrainMinMaxScaler.fit_transform(xTrain)     # x_test.dtype: dtype('uint8') -> dtype('float64')     xTest = xTestMinMaxScaler.fit_transform(xTest)     return (xTrain,yTrain,xTest,yTest)

xTrain:torch.Tensor;yTrain:torch.Tensor; xTest:torch.Tensor; yTest:torch.Tensor(xTrain,yTrain,xTest,yTest)=loadMnist()

plotly 显示多个mnist样本

import plotly.express import plotly.graph_objects import plotly.subplots import numpy xTrain:numpy.ndarray=numpy.random.random((2,28,28)) #xTrain[0].shape:(28,28) #fig:plotly.graph_objects.Figure=None fig=plotly.subplots.make_subplots(rows=1,cols=2,shared_xaxes=True,shared_yaxes=True) #共1行2列 fig.add_trace(trace=plotly.express.imshow(img=xTrain[0]).data[0],row=1,col=1) #第1行第1列 fig.add_trace(trace=plotly.express.imshow(img=xTrain[1]).data[0],row=1,col=2) #第1行第2列 fig.show() #参数row、col从1开始，  不是从0开始的

plotly 显示单个图片

import numpy xTrain:numpy.ndarray=numpy.random.random((2,28,28)) #xTrain[0].shape:(28,28) import plotly.express import plotly.graph_objects plotly.express.imshow(img=xTrain[0]).show() #其中plotly.express.imshow(img=xTrain[0]) 的类型是 plotly.graph_objects.Figure

xTrain[0]显示如下:

mnist单样本分拆显示

#mnist单样本分割 分割成4*4小格子显示出来, 以确认分割的对不对。 以下代码是正确的分割。 主要逻辑是：   (7,4,7,4)   [h, :, w, :]  fig:plotly.graph_objects.Figure=plotly.subplots.make_subplots(rows=7,cols=7,shared_xaxes=True,shared_yaxes=True,vertical_spacing=0,horizontal_spacing=0) xTrain0Img:torch.Tensor=xTrain[0].reshape((PIC_H,PIC_W)) plotly.express.imshow(img=xTrain0Img).show() xTrain0ImgCells:torch.Tensor=xTrain0Img.reshape((7,4,7,4)) for h in range(7):     for w in range(7):         print(f"h,w:{h},{w}")         fig.add_trace(trace=plotly.express.imshow(xTrain0ImgCells[h,:,w,:]).data[0],col=h+1,row=w+1) fig.show()

mnist单样本分拆显示结果: 由此图可知 (7,4,7,4) [h, :, w, :] 是正常的取相邻的像素点出而形成的4*4的小方格 ，这正是所需要的

上图显示 的 横坐标拉伸比例大于纵坐标 所以看起来像一个被拉横了的手写数字5 ，如果能让plotly把横纵拉伸比例设为相等 上图会更像手写数字5

可以用torch.swapdim进一步改成以下代码

    """     mnist单样本分割 分割成4*4小格子显示出来, 重点逻辑是： (7, 4, 7, 4)  [h, :, w, :]     :param xTrain:     :return:     """     fig: plotly.graph_objects.Figure = plotly.subplots.make_subplots(rows=7, cols=7, shared_xaxes=True,  shared_yaxes=True, vertical_spacing=0,  horizontal_spacing=0)     xTrain0Img: torch.Tensor = xTrain[0].reshape((PIC_H, PIC_W))     plotly.express.imshow(img=xTrain0Img).show()     xTrain0ImgCells: torch.Tensor = xTrain0Img.reshape((7, 4, 7, 4))     xTrain0ImgCells=torch.swapdims(input=xTrain0ImgCells,dim0=1,dim1=2)#交换 (7, 4, 7, 4) 维度1、维度2 即 (0:7, 1:4, 2:7, 3:4)     for h in range(7):         for w in range(7):             print(f"h,w:{h},{w}")             fig.add_trace(trace=plotly.express.imshow(xTrain0ImgCells[h, w]).data[0], col=h + 1, row=w + 1) # [h, w, :, :] 或 [h, w]     fig.show()

mnist单样本错误的分拆显示

以下 mnist单样本错误的分拆显示:

# mnist单样本错误的分拆显示:     fig: plotly.graph_objects.Figure = plotly.subplots.make_subplots(rows=7, cols=7, shared_xaxes=True,  shared_yaxes=True, vertical_spacing=0,  horizontal_spacing=0)     xTrain0Img: torch.Tensor = xTrain[0].reshape((PIC_H, PIC_W))     plotly.express.imshow(img=xTrain0Img).show()     xTrain0ImgCells: torch.Tensor = xTrain0Img.reshape((4,7, 4, 7))  #原本是: (7,4,7,4)     for h in range(7):         for w in range(7):             print(f"h,w:{h},{w}")             fig.add_trace(trace=plotly.express.imshow(xTrain0ImgCells[:, h,  :, w]).data[0], col=h + 1, row=w + 1)  #原本是: [h,:,w,:]     fig.show()

其结果为: 由此图可知 (4,7, 4, 7) [:, h, :, w] 是间隔的取出而形成的4*4的小方格 

关于“plotly怎么分割显示mnist”这篇文章的内容就介绍到这里，感谢各位的阅读！相信大家对“plotly怎么分割显示mnist”知识都有一定的了解，大家如果还想学习更多知识，欢迎关注亿速云行业资讯频道。