[TensorFlow 2.0] 예제 데이터셋 (MNIST) 사용

Load Packages

import numpy as np
import matplotlib.pyplot as plt

import tensorflow as tf

%matplotlib inline

데이터 불러오기

TensorFlow에서 제공해주는 데이터셋(MNIST) 예제 불러오기 입니다.

from tensorflow.keras import datasets

mnist = datasets.mnist
(train_x, train_y), (test_x, test_y) = mnist.load_data()
train_x.shape

# Out
(60000, 28, 28)

Image Dataset 들여다보기

불러온 데이터셋에서 이미지 데이터 하나만 뽑아서 시각화합니다.

데이터 하나만 뽑기

image = train_x[0]
image.shape

# Out
(28, 28)

시각화 하기

plt.imshow(image, 'gray')
plt.show()

Channel 관련

[Batch Size, Height, Width, Channel]
Gray Scale이면 1, RGB이면 3으로 만들어줘야 합니다.

데이터 차원수 늘리기(numpy)

# -1 인 경우 마지막에 차원을 늘린다는 의미입니다.
train_x = np.expand_dims(train_x, -1)
train_x.shape

# Out
(60000, 28, 28, 1)

데이터 차원수 늘리기 (tensorflow)

new_train_x = tf.expand_dims(train_x, -1)
new_train_x.shape

# Out
TensorShape([60000, 28, 28, 1])

TensorFlow 공식홈페이지에 나온 방법입니다.

new_train_x =train_x[..., tf.newaxis]
new_train_x.shape

# Out
(60000, 28, 28, 1)

다시 시각화 하기

주의사항: matplotlib로 이미지 시각화 할 때 gray scale의 이미지는 3번째 dimension이 없으므로, 2개의 dimension으로 차원 조절해서 넣어줘야 합니다.

display = new_train_x[0, :, :, 0]
or
display = np.squeeze(new_train_x[0])
display.shape

# Out
(28, 28)

plt.imshow(display, 'gray')
plt.show()

Label Dataset 들여다보기

Label 하나를 열어서 Image와 비교하여 제대로 들어갔는지, 어떤 식으로 저장 되어 있는지 확인합니다.

Label 하나만 뽑아보기

train_y[0]

# Out
5

Lebel 시각화 하기

plt.title(train_y[0])
plt.imshow(train_x[0], 'gray')
plt.show()

OneHot Encoding

컴퓨터가 이해할 수 있는 형태로 변환해서 Label을 주도록 합니다.

# 1
[0, 1, 0, 0, 0, 0, 0, 0, 0, 0]

# 5
[0, 0, 0, 0, 0, 1, 0, 0, 0, 0]

# 9
[0, 0, 0, 0, 0, 0, 0, 0, 0, 1]

1을 예시로 one hot encoding 하기

from tensorflow.keras.utils import to_categorical

to_categorical(1, 10)

# Out
array([0., 1., 0., 0., 0., 0., 0., 0., 0., 0.], dtype=float32)

Label 확인해서 to_categorical 사용

label = train_y[0]
label_onehot = to_categorical(label, num_classes=10)

# Out
array([0., 0., 0., 0., 0., 1., 0., 0., 0., 0.], dtype=float32)

one hot encoding으로 바꾼 것과 이미지 확인

plt.title(label_onehot)
plt.imshow(train_x[0], 'gray')
plt.show()