plotly怎么分割显示mnist-编程学习网

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 numpydef 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.expressimport plotly.graph_objectsimport plotly.subplotsimport numpyxTrain:numpy.ndarray=numpy.random.random((2,28,28))#xTrain[0].shape:(28,28)#fig:plotly.graph_objects.Figure=Nonefig=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 numpyxTrain:numpy.ndarray=numpy.random.random((2,28,28))#xTrain[0].shape:(28,28)import plotly.expressimport plotly.graph_objectsplotly.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:

plotly怎么分割显示mnist

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

plotly怎么分割显示mnist

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

plotly怎么分割显示mnist