导入并重塑 MNIST 数据，numpy

Question

我想将 MNIST 数据集从形状 (70000, 784) 重塑为 (70000, 28, 28)，尝试了以下代码，但出现 TypeError：

类型错误：只有整数标量数组可以转换为标量索引

df = pd.read_csv('images.csv', sep=',', header=None)
x_data = np.array(df)

x_data = x_data.reshape(x_data[0], 28, 28)

这有效，但速度很慢

data = np.array(df)
x_data = []

for d in data:
    x_data.append(d.reshape(28,28))

x_data = np.array(x_data)

numpy.reshape() 应该如何处理并且没有循环？曼尼谢谢！

Answer 1

我认为，第二个的问题是因为你使用 for 循环可能需要更多时间。所以我建议你可以尝试这个

import tensorflow as tf


#load the data

from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets('MNIST_data', validation_size=0)

#considering only first 2 data points
img = mnist.train.images[:2]
x = tf.reshape(img, shape=[-1, 28, 28, 1]) # -1 refers to standard feature which is equivalent to 28*28*1 here

理想情况下，我得到的 x 形状为 (2, 28, 28, 1)。希望这可以帮助！！