通过 keras 正确重塑 MNIST 图像答案

【问题标题】：Correctly reshaping MNIST images through keras通过 keras 正确重塑 MNIST 图像
【发布时间】：2017-12-26 14:03:51
【问题描述】：

如果我通过以下方式下载 Keras 中的 CIFAR 10 图像：

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

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

然后我可以通过以下方式绘制每个图像：

# 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 获得 MNIST 图像：

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

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

但是它没有深度通道，它应该是 1，因为它是灰度的。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，但我不能再绘制它了。重塑它以便我仍然可以绘制的正确方法是什么？

【问题讨论】：

标签： python image-processing keras conv-neural-network

【解决方案1】：

从v3.3 matplotlib 的imshow 开始，现在将大小为 MxNx1 的 3d 数组强制转换为 MxN 以进行显示，因此您可以毫无问题地绘制重新整形的 X_train。

【讨论】：

【解决方案2】：

如果您重塑训练和测试集，则必须将图像重新整形以绘制它们。

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))

【讨论】：

是的，我明白这一点，但我怎样才能让它具有形状 (numPics, 28, 28, 1) 并且仍然可以工作？如果我有 (numPics, 32,32, 3)，显然它可以工作。这告诉我形状中的深度层仍然可以......
是的，在形状中有深度层是可以的。
那么为什么我不能用形状中的深度层来绘制它呢？这是我最初的问题....
在绘制 3D 数组时，它需要 RGB 或 RGBA 数据，因此我们必须在绘制之前去掉额外的维度。见here