代码解释见下面
Label File
先是一个32位的整形 表示的是Magic Number，这是用来标示文件格式的用的。一般默认不变，为2049
第二是图片的的数量
接下去就是一次排列图片的标示Label。
-
也是Magic Number。同上。保持不变2051.
图片的数量
图片的高
图片的宽
图片的像素点[灰度 256位]。
unpack(fmt, string) 按照给定的格式(fmt)解析字节流string，返回解析出来的tuple
> big-endian standard 按原字节数
见上图：图片宽高分别为28，所以有28*28=784个值
代码：
import os
import struct
import numpy as np
def load_mnist(path, kind='train'):
print("in load_mnist")
"""Load MNIST data from `path`""" #注释
labels_path = os.path.join(path,'%s-labels.idx1-ubyte'%kind) #路径+train-labels-idx1-ubyte(gz文件)
images_path = os.path.join(path,'%s-images.idx3-ubyte'%kind) #路径+train-labels-idx1-ubyte(gz文件)
with open(labels_path, 'rb') as lbpath: #以二进制格式打开文件train-labels-idx1-ubyte用于只读，lbpath代表此文件对象
#从文件中读8个字节，1-4个字节为magic number,4-8个字节为图片数量，magic和n均为无符号整形
magic, n = struct.unpack('>II',lbpath.read(8)) #> big-endian 高字节在高位 II两个无符号整形，每个占4个字节
labels = np.fromfile(lbpath,dtype=np.uint8)
print("labels length=%d"%len(labels))
with open(images_path, 'rb') as imgpath:
#从文件中读16个字节，1-4个字节为magic number,4-8个字节为图片数量，rows为图片的高，cols为图片的宽,magic,num,rows,cols均为无符号整形
magic, num, rows, cols = struct.unpack('>IIII',imgpath.read(16))#> big-endian 高字节在高位IIII四个无符号整形，每个占4个字节
#读取图片数据，并转换为 60,000行784列的矩阵，也就是说一行是一张图片
images = np.fromfile(imgpath,dtype=np.uint8).reshape(len(labels), 784)
print("images length=%d"%len(images))
return images, labels
if __name__=='__main__':
images_train,labels_train=load_mnist('', kind='train') #cd mnist python load_mnist.py执行当前程序
print("images")
print (images_train)
print("labels")
print (labels_train)
print('Rows: %d, columns: %d' % (images_train.shape[0], images_train.shape[1]))
count = np.zeros(10)
nTrain = len(images_train)
for i in range(nTrain):
label = labels_train[i]
count[label] += 1
filename = './train/' + str(label) + '/' + str(label) + '_' + str(int(count[label])) + '.png'
print(filename)
img = images_train[i].reshape(28,28)
cv2.imwrite(filename, img) #找不到图片?
print(str(int(count[label])))
print("over")
