### 使用 PyTorch 可视化 MNIST 数据集中手写体数字 6 为了可视化 MNIST 数据集中的手写体数字 6 并显示其像素值矩阵，可以按照如下方法操作： #### 导入必要的库 首先导入所需的 Python 库以及定义数据加载器。 ```python import torch from torchvision import datasets, transforms import matplotlib.pyplot as plt import numpy as np ``` #### 设置转换并下载数据集 创建一个用于标准化输入图像的变换函数，并利用 `torchvision.datasets.MNIST` 下载训练数据集[^2]。 ```python transform = transforms.Compose([transforms.ToTensor()]) train_dataset = datasets.MNIST(root='./data', train=True, download=True, transform=transform) ``` #### 创建 DataLoader 实例 使用 `DataLoader` 来批量处理数据，这里设定批次大小为 1000 以便快速找到第一个出现的手写体数字 6[^1]。 ```python from torch.utils.data import DataLoader train_loader = DataLoader(dataset=train_dataset, batch_size=1000, shuffle=True) ``` #### 查找并展示特定标签的数据样本 遍历数据集直到发现标签等于 6 的图片，接着将其转化为 NumPy 数组形式以供 Matplotlib 展示。同时打印出该张量表示的灰度值矩阵[^3]。 ```python for images, labels in train_loader: for i in range(len(labels)): if int(labels[i]) == 6: img = images[i].squeeze() # 去除单通道维度 pixel_values = img.numpy() fig, ax = plt.subplots(figsize=(8, 8)) im = ax.imshow(img, cmap='gray') for (j, k), label in np.ndenumerate(pixel_values): ax.text(k, j, f'{label:.2f}', ha='center', va='center', fontsize=7, color='red' if label > 0.5 else 'blue') plt.title('Handwritten Digit "6" with Pixel Values') plt.show() print("Pixel Value Matrix:") print(pixel_values) break if int(labels[i]) == 6: break ``` 上述代码片段实现了从 MNIST 训练集中提取首个遇到的手写体数字 6 图像，并通过热图的形式展示了各个位置上的具体数值，其中颜色深浅反映了不同亮度级别的分布情况；同时也直接输出了这些像素点构成的二维数组。