Numpy读取（SVNH）数据集

在本文中，我们将介绍如何使用Numpy库在Python中读取SVHN数据集。SVHN是一个10个数字的街景视图数字(House Number)数据集，每个数字都由32×32个像素的灰度图像组成。这个数据集通常用于机器学习分类任务，因为它由各种大量的数字组成，这些数字往往被用来构建数字识别模型。

阅读更多：Numpy 教程

导入必要的库

在开始之前，我们需要导入必要的库:

import numpy as np
import scipy.io as spio
import matplotlib.pyplot as plt

• Numpy: 用于对图像数据执行各种计算
• Scipy: 用于读取matlab数据文件
• Matplotlib:用于可视化数据

下载SVHN数据集

您可以在此处下载SVNH数据集。下载后，您将得到两个文件：train_32x32.mat和test_32x32.mat。这两个文件包含了各种大小的数字图像。

读取数据和标签

现在，我们可以使用Scipy进行读取和处理文件。以下代码用于读取训练数据：

train_data = spio.loadmat('train_32x32.mat', squeeze_me=True)
train_X = np.transpose(train_data['X'], (3, 0, 1, 2))
train_Y = train_data['y']

请注意，我们需要解压缩和转换数据的矩阵，默认情况下，数据是按列存储的。

• train_X: 包含所有训练样例100k个样本，每个为32×32 RGB图像。
• train_Y: 包含了所有训练图像的标签

类似地，以下代码用于读取测试数据：

test_data = spio.loadmat('test_32x32.mat', squeeze_me=True)
test_X = np.transpose(test_data['X'], (3, 0, 1, 2))
test_Y = test_data['y']

请注意，与训练数据相同，我们需要解压缩数据，并将其转换为按行存储，以便进行合适的操作。

• test_X: 包含所有测试样例26032个样本，每个为32×32 RGB图像。
• test_Y: 包含了所有测试图像的标签

查看数据

我们可以使用Matplotlib库来可视化我们的数据。以下代码将显示前25个训练图像和它们的标签：

fig = plt.figure(figsize=(8, 8))
columns = 5
rows = 5
for i in range(1, columns * rows + 1):
    img = train_X[i]
    fig.add_subplot(rows, columns, i)
    plt.title(train_Y[i])
    plt.axis('off')
    plt.imshow(img)
plt.show()

预处理数据

在训练数据之前，我们需要将输入像素值归一化到[0,1]范围内。以下代码可以用于数据归一化：

train_X = train_X / 255.
test_X = test_X / 255.

总结

在本文中，我们学习了如何使用Numpy库读取SVHN数据集。我们使用了Scipy读取matlab格式的数据文件，并使用Matplotlib库将读取的数据可视化。最后，我们进行了预处理数据以用于模型训练。