【学习】手写数字生成

简介: 【学习】手写数字生成

敲例子


今天敲的是第十八个例子,手写数字生成,还是挺好玩的,我的程序运行了好久,还没出结果。不过还是成功运行起来了,所以写一下注意事项。


注意事项


一般来说,如果代码相同的话,需要注意的只有一个地方,就是生成图片的文件夹和后期使用的文件夹要统一,也就是这两个地方:


保存样例图片:


def sample_images(epoch):
    """
    保存样例图片
    """
    row, col = 4, 4
    noise = np.random.normal(0, 1, (row*col, latent_dim))
    gen_imgs = generator.predict(noise)
    fig, axs = plt.subplots(row, col)
    cnt = 0
    for i in range(row):
        for j in range(col):
            axs[i,j].imshow(gen_imgs[cnt, :,:,0], cmap='gray')
            axs[i,j].axis('off')
            cnt += 1
    fig.savefig("/Users/Documents/own/code/mtyjkn/images/%05d.png" % epoch)
    plt.close()


和生成动图


import imageio
def compose_gif():
    # 图片地址
    data_dir = "/Users/Documents/own/code/mtyjkn/images/"
    data_dir = pathlib.Path(data_dir)
    paths    = list(data_dir.glob('*'))
    gif_images = []
    for path in paths:
        print(path)
        gif_images.append(imageio.imread(path))
    imageio.mimsave("test.gif",gif_images,fps=2)
compose_gif()


要注意data_dir里设置的位置要和fig.savefig的保持一致,不然会找不到图片,别少了斜杠/


遇到的问题


几天没敲代码,执行代码的时候竟然报找不到tensorflow这个module,经过查询,得到解决方案,删除anaconda的python软链接,也就是在你的anaconda环境,:


#我的环境
conda activate tensorflow
#找到python
which python
#cd到对应目录,然后找到相应的python文件
ll|grep python
#删除python和python3的软链
rm python
rm python3


然后执行代码的时候,因为我知道我自己装的python3.9,所以使用以下命令即可


python3.9 18.py


结果


这里展示一下结果图片:



我的程序跑了好久都还没生成成功动图


参考


ModuleNotFoundError: No module named ‘tensorflow’ 问题解决方案(Anaconda引起)

目录
相关文章
|
机器学习/深度学习 数据可视化 算法
【33】t-SNE原理介绍与对手写数字MNIST的可视化结果
【33】t-SNE原理介绍与对手写数字MNIST的可视化结果
733 0
【33】t-SNE原理介绍与对手写数字MNIST的可视化结果
|
3月前
|
机器学习/深度学习 文字识别 TensorFlow
手写数字识别
【8月更文挑战第8天】手写数字识别。
56 1
|
6月前
|
机器学习/深度学习 PyTorch 算法框架/工具
Python用GAN生成对抗性神经网络判别模型拟合多维数组、分类识别手写数字图像可视化
Python用GAN生成对抗性神经网络判别模型拟合多维数组、分类识别手写数字图像可视化
|
6月前
|
机器学习/深度学习 数据采集 TensorFlow
R语言KERAS深度学习CNN卷积神经网络分类识别手写数字图像数据(MNIST)
R语言KERAS深度学习CNN卷积神经网络分类识别手写数字图像数据(MNIST)
|
6月前
|
机器学习/深度学习 数据可视化 数据库
R语言对MNIST数据集分析:探索手写数字分类
R语言对MNIST数据集分析:探索手写数字分类
|
6月前
|
机器学习/深度学习 人工智能 PyTorch
【深度学习】MNIST手写数字数据集的分类识别
【深度学习】MNIST手写数字数据集的分类识别
|
6月前
|
机器学习/深度学习 数据采集 PyTorch
PyTorch使用神经网络进行手写数字识别实战(附源码,包括损失图像和准确率图像)
PyTorch使用神经网络进行手写数字识别实战(附源码,包括损失图像和准确率图像)
149 0
|
机器学习/深度学习 算法 Python
12 机器学习 - KNN实现手写数字识别
12 机器学习 - KNN实现手写数字识别
162 0
|
机器学习/深度学习 自然语言处理
【深度学习】实验17 使用GAN生成手写数字样本
【深度学习】实验17 使用GAN生成手写数字样本
129 0
|
机器学习/深度学习 自然语言处理 算法
【深度学习】实验15 使用CNN完成MNIST手写体识别(Keras)
【深度学习】实验15 使用CNN完成MNIST手写体识别(Keras)
116 0

相关实验场景

更多