利用python中的库文件简单的展示mnist 中的数据图像

import sys, os

sys.path.append('F:mlDLsource-code') #导入此路径中

from dataset.mnist import load_mnist

from PIL import Image

import numpy as np

(x_train, t_train), (x_test, t_test) = load_mnist(flatten = True, normalize = False, one_hot_label = False)
#flatten参数为True的含义是展开输入图像（变成784个元素构成的一维数组）如果设置成False则为1*28*28的三维数组。  normalize为True时表示将输入图像正规化为0.0~0.1的值，为False时会保持原来的像素0~255.one_hot_label设置是否将标签保存为onehot表示（one-hot representation）。 one-hot表示是仅正确解标签为1，其余 皆为0的数组，就像[0,0,1,0,0,0,0,0,0,0]这样。当one_hot_label为False时， 只是像7、2这样简单保存正确解标签；当one_hot_label为True时，标签则 保存为one-hot表示。
  
def img_show(img):
    pil_img = Image.fromarray(np.uint8(img)) #将numpy数组的形状保存的图像转化为PIL用的数据对象。
    pil_img.show()
    
img = x_train[0]
label = t_train[0]

print(label)

print(img.shape)

img = img.reshape(28, 28)

print(img.shape)

img_show(img)

5
(784,)
(28, 28)