深度学习 | Python下LeNet5的底层实现

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/www110120119/article/details/84198013

前言

加油

参考：https://blog.csdn.net/hjimce/article/details/47323463#

一、导入MNIST手写数据集

import _pickle as cPickle
import gzip
import numpy as np
import matplotlib.pyplot as plt

f = gzip.open('MNIST_data\\mnist.pkl.gz', 'rb')
train_set, valid_set, test_set = cPickle.load(f, encoding='bytes')
f.close()
tx, ty = train_set

# 查看训练样本
print(np.shape(tx))  # 可以看到tx大小为（50000,28*28）的二维矩阵
print(np.shape(ty))  # 可以看到ty大小为（50000,1）的矩阵
# 图片显示
A = tx[17].reshape(28, 28)  # 第八个训练样本
Y = ty[17]
print(Y)
plt.imshow(A, cmap='gray')  # 显示手写字体图片</span>
plt.show()

1. 其中Python3无cPickle模块，已变成_pickle 详情
2. 且读入时需加上 encoding='bytes'  详情