import tensorflow as tf
from tensorflow_core.examples import input_data
import matplotlib.pyplot as plt
import numpy as np
mnist = input_data.read_data_sets("MNIST_data", one_hot=True)
img = mnist.train.images[0].reshape(28, 28)
# cnn input 데이터형식으로 변환
img = img.reshape(-1, 28, 28, 1) # -1 (알아서), 28, 28 (이미지사이즈), 1(컬러수)
# [rol, col, 컬러, 필터수]
W1 = tf.Variable(tf.random.normal([3, 3, 1, 5], stddev=0.01))
cond2v = tf.nn.conv2d(img, W1, strides=[1, 2, 2, 1],
padding='SAME') # 상하 2칸씩 이동 -> 14 * 14 로 줄어든다.
tf.print(cond2v.shape)
cond2v_img = np.swapaxes(cond2v, 0, 3)
for i, one_img in enumerate(cond2v_img):
plt.subplot(1, 5, i + 1)
plt.imshow(one_img.reshape(14, 14), cmap="gray") # W1값에 따라서 다양하게 표현됨
plt.show()
from tensorflow_core.examples import input_data
import matplotlib.pyplot as plt
# tf.data.Dataset 을 사용하여 데이터를 읽어온다.
#https://hiseon.me/data-analytics/tensorflow/tensorflow-dataset/
mnist = input_data.read_data_sets('MNIST_data/', one_hot=True)
# train-images-idx3-ubyte.gz : 숫자이미지 를 1, 784 배열로 만든 데이터
# train-labels-idx1-ubyte.gz :
batch_xs, batch_ys = mnist.train.next_batch(1) # 1개를 가져 온다.
# print(type(batch_xs))
print(batch_xs.shape)
print(batch_ys.shape)
print(batch_ys)
# batch_xs 행 28, 열 28 로 재구성하여 이미지 모양으로 보여줘라.
plt.imshow(batch_xs.reshape(28, 28), cmap='Greys')
plt.show()
