从 MNIST 数据集中选择随机图像答案

【问题标题】：select random images from MNIST dataset从 MNIST 数据集中选择随机图像
【发布时间】：2018-09-11 03:46:11
【问题描述】：

首先，我必须承认我对 python 和 TensorFlow 的经验有限。我正在寻找有关操作从 TensorFlow 示例导入的 MNIST 图像的一些支持。

我想要的是以下内容：

从 tensorflow.examples.tutorials.mnist 导入 MNIST 数据集
将从 MNIST 中随机选择的一半图片存储在一个数组中，以便我可以对其进行操作

我写的代码如下

import tensorflow as tf
import numpy as np
from tensorflow.examples.tutorials.mnist import input_data
data = input_data.read_data_sets('data/MNIST/',one_hot=True)
import random

rndm_imgs = random.sample(data.test.images, len(data.test.images)/2)

我收到以下错误

    Traceback (most recent call last):
  File "<string>", line 7, in <module>
  File "/Library/Frameworks/Python.framework/Versions/3.5/lib/python3.5/random.py", line 320, in sample
    raise TypeError("Population must be a sequence or set.  For dicts, use list(d).")
TypeError: Population must be a sequence or set.  For dicts, use list(d).

谁可以支持？

提前致谢

【问题讨论】：

标签： tensorflow mnist

【解决方案1】：

使用 python 时的一个好习惯是使用python -i program.py 运行程序，这样您就可以使用 shell 以交互方式检查每个变量所包含的内容。如果您打印data.test.images，您会看到它是一个形状为 (10000, 784) 的 n-darray（n 维 numpy 数组）。所以基本上它是一个矩阵，其中每一行都是一个图像（mnist 是 28x28，因此是 784）。

如果你想使用python内置的random.sample函数进行采样，将数据矩阵转换成一个列表，使得每个元素都是一个图像（一个784维或元素的向量）。

data_test_list = list(data.test.images)
test_samples = random.samples(data_test_list, len(data.test.images)/2)
test_samples = np.array(test_samples)

请注意，在获取样本后，我们会将结果转换回 numpy 数组，因为这通常是您希望在 tensorflow 上下文中处理的内容。

【讨论】：