In [1]:

    

import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt


    

In [2]:

    

%matplotlib inline


    

In [3]:

    

from tensorflow.examples.tutorials.mnist import input_data


    

In [4]:

    

mnist = input_data.read_data_sets('/Users/jaegyuhan/PythonEx_1/mnist_data', one_hot=True)


    

    




Extracting /Users/jaegyuhan/PythonEx_1/mnist_data/train-images-idx3-ubyte.gz
Extracting /Users/jaegyuhan/PythonEx_1/mnist_data/train-labels-idx1-ubyte.gz
Extracting /Users/jaegyuhan/PythonEx_1/mnist_data/t10k-images-idx3-ubyte.gz
Extracting /Users/jaegyuhan/PythonEx_1/mnist_data/t10k-labels-idx1-ubyte.gz

In [5]:

    

type(mnist)


    

    
Out[5]:





tensorflow.contrib.learn.python.learn.datasets.base.Datasets

In [6]:

    

type(mnist.train.images), type(mnist.train.images)


    

    
Out[6]:





(numpy.ndarray, numpy.ndarray)

In [7]:

    

print(mnist.train.images.shape)


    

    




(55000, 784)

In [8]:

    

print(mnist.train.labels.shape)  #ont hot 인코딩이라서 10개이다. 0~9 중 해당 숫자만 1이고 나머지는 0으로 표기


    

    




(55000, 10)

In [9]:

    

print(mnist.train.labels[0:2])


    

    




[[ 0.  0.  0.  0.  0.  0.  0.  1.  0.  0.]
 [ 0.  0.  0.  1.  0.  0.  0.  0.  0.  0.]]

In [10]:

    

np.argmax(mnist.train.labels[0:2], axis=1)


    

    
Out[10]:





array([7, 3])

In [11]:

    

n = np.array([[0,0,1],
              [0,1,0]])


    

In [12]:

    

np.argmax(n, axis=1)


    

    
Out[12]:





array([2, 1])

In [13]:

    

y_train_labels = np.argmax(mnist.train.labels, axis=1)


    

In [14]:

    

X_train, Y_train = mnist.train.images, mnist.train.labels


    

In [15]:

    

X_test, Y_test = mnist.test.images, mnist.test.labels


    

In [37]:

    

len(X_test[0])


    

    
Out[37]:





784

In [38]:

    

Y_test[0]


    

    
Out[38]:





array([ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  1.,  0.,  0.])

In [16]:

    

print(len(X_train))
print(np.bincount(np.argmax(Y_train, axis=1)))


    

    




55000
[5444 6179 5470 5638 5307 4987 5417 5715 5389 5454]

In [17]:

    

fig, axes = plt.subplots(1, 8, figsize=(12,2), subplot_kw={'xticks':[], 'yticks':[]})

for i, ax in enumerate(axes.ravel()):
    img = X_train[i+5000].reshape(28,28)
    label = np.argmax(Y_train[i+5000])
    ax.imshow(img)
    ax.set_title('label : {}'.format(label))
    
plt.show()


    

In [18]:

    

X_train[0, 350:400]


    

    
Out[18]:





array([ 0.        ,  0.        ,  0.        ,  0.32941177,  0.99607849,
        0.99607849,  0.91764712,  0.        ,  0.        ,  0.        ,
        0.        ,  0.        ,  0.        ,  0.        ,  0.        ,
        0.        ,  0.        ,  0.        ,  0.        ,  0.        ,
        0.        ,  0.        ,  0.        ,  0.        ,  0.        ,
        0.        ,  0.        ,  0.        ,  0.        ,  0.        ,
        0.        ,  0.32941177,  0.99607849,  0.99607849,  0.91764712,
        0.        ,  0.        ,  0.        ,  0.        ,  0.        ,
        0.        ,  0.        ,  0.        ,  0.        ,  0.        ,
        0.        ,  0.        ,  0.        ,  0.        ,  0.        ], dtype=float32)

In [19]:

    

X_train


    

    
Out[19]:





array([[ 0.,  0.,  0., ...,  0.,  0.,  0.],
       [ 0.,  0.,  0., ...,  0.,  0.,  0.],
       [ 0.,  0.,  0., ...,  0.,  0.,  0.],
       ..., 
       [ 0.,  0.,  0., ...,  0.,  0.,  0.],
       [ 0.,  0.,  0., ...,  0.,  0.,  0.],
       [ 0.,  0.,  0., ...,  0.,  0.,  0.]], dtype=float32)

In [20]:

    

X_train[0:2]


    

    
Out[20]:





array([[ 0.,  0.,  0., ...,  0.,  0.,  0.],
       [ 0.,  0.,  0., ...,  0.,  0.,  0.]], dtype=float32)

In [21]:

    

X_train[0:2]


    

    
Out[21]:





array([[ 0.,  0.,  0., ...,  0.,  0.,  0.],
       [ 0.,  0.,  0., ...,  0.,  0.,  0.]], dtype=float32)

In [22]:

    

X_train[1:3]


    

    
Out[22]:





array([[ 0.,  0.,  0., ...,  0.,  0.,  0.],
       [ 0.,  0.,  0., ...,  0.,  0.,  0.]], dtype=float32)

In [23]:

    

n = np.array([[1,2,3],[4,5,6]])


    

In [24]:

    

n


    

    
Out[24]:





array([[1, 2, 3],
       [4, 5, 6]])

In [25]:

    

n[1:2, 1:2]  #2차원 행렬중 행은 1행에서 2행미만 즉 1번인덱스 행 , 열도 1열이상 2열 미만 즉 1번인텍스 열 결과는 아래!


    

    
Out[25]:





array([[5]])

In [26]:

    

n[0,1] #2차원 행렬중 행은 꼭찝어 0번 인덱스 행, 열은 꼭찝어 1번 인덱스 행


    

    
Out[26]:





2

In [27]:

    

Y_train[1]


    

    
Out[27]:





array([ 0.,  0.,  0.,  1.,  0.,  0.,  0.,  0.,  0.,  0.])

In [28]:

    

plt.imshow(X_train[1].reshape(28,28))
plt.show()


    

In [29]:

    

X_train[1].reshape(28,28)[0:2]


    

    
Out[29]:





array([[ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,
         0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,
         0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,
         0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,
         0.,  0.]], dtype=float32)

In [30]:

    

len(X_train)


    

    
Out[30]:





55000

In [31]:

    

len(Y_train)


    

    
Out[31]:





55000

In [150]:

    

from sklearn.svm import SVC


    

In [151]:

    

Y_train_label = np.argmax(Y_train, axis=1)


    

In [ ]:

    

svc = SVC(kernel='rbf')
%timeit svc.fit(X_train, Y_train_label)


    

In [33]:

    

tf.cast(True, dtype=tf.float32)


    

    
Out[33]:





<tf.Tensor 'Cast:0' shape=() dtype=float32>

In [34]:

    

tf.cast(False, dtype=tf.float32)


    

    
Out[34]:





<tf.Tensor 'Cast_1:0' shape=() dtype=float32>

In [ ]: