通过Keras正确地重塑MNIST图像

Question

如果我通过以下方式在Keras中下载CIFAR 10图像：

(x_train, y_train), (x_test, y_test) = cifar10.load_data()

# Getting shape
x_train.shape
>>> (50000, 32, 32, 3)

我可以通过执行以下步骤绘制每个图像：

# Plot RGB image
plt.imshow(x_train[0])

#  Plot only one colour-channel e.g. R
plt.imshow(x_train[0][:,:,0])

现在我通过Keras获取MNIST图像的方法如下：

(X_train, y_train), (X_test, y_test) = mnist.load_data()

# getting shape
X_train.shape
>>> (60000, 28, 28)

然而，由于它是灰度图像，深度通道应该为1。如果我使用以下方法重塑它：

X_train = X_train.reshape(X_train.shape[0],28,28,1)

我可以让神经网络工作，但无法再绘制它。应该如何正确地调整其形状，以便仍然可以绘制图形？

- user1357015

Answer 1

如果您重新塑造训练和测试集，则必须将图像重新塑造回来以便绘制它们。

X_train = X_train.reshape(X_train.shape[0], 28, 28, 1)
X_test = X_test.reshape(X_test.shape[0], 28, 28, 1)
...
plt.imshow(X_train[num].reshape(28,28))

- Farhan

---

是的，我理解了，但是我该如何让它具有形状（numPics，28，28，1）并且仍然有效？如果我有（numPics，32，32，3），那么显然它可以工作。这告诉我，在形状中具有深度层仍然可以正常工作... - user1357015

是的，在形状中具有深度层是可以的。 - Farhan

那么为什么我不能在形状中使用深度层绘制它？这是我的初始问题... - user1357015

当绘制一个3D数组时，它期望RGB或RGBA数据，因此我们必须在绘制之前去掉额外的维度。请参见这里。 - Farhan

Answer 2

截至 v3.3 版本，matplotlib 的 imshow 现在将大小为 MxNx1 的 3D 数组强制转换为 MxN 以进行显示，因此您可以轻松绘制重新调整形状的 X_train，无需担心问题。

- iacob