### EMNIST 数据集概述 EMNIST 是 MNIST 手写数字数据集的一个扩展版本，包含了更多的类别以及手写字母和数字的样本。该数据集中的图像尺寸通常为 \(28 \times 28\) 像素，并且是灰度单通道图像[^1]。 以下是关于如何下载、查看 EMNIST 数据集中图片样例的具体方法： --- ### 下载 EMNIST 数据集 可以通过 TensorFlow 或 PyTorch 提供的数据加载工具来获取 EMNIST 数据集。以下是一个基于 Python 的实现方式： #### 使用 TensorFlow 下载并加载数据 ```python import tensorflow as tf from matplotlib import pyplot as plt # 加载 EMNIST 数据集 (balanced 版本) emnist = tf.keras.datasets.emnist (x_train, y_train), (x_test, y_test) = emnist.load_data() print(f"训练集形状: {x_train.shape}") print(f"测试集形状: {x_test.shape}") # 显示第一个样本 plt.imshow(x_train[0], cmap='gray') plt.title(f'Label: {y_train[0]}') plt.show() ``` 上述代码会自动从官方源下载 `EMNIST-Balanced` 子集，并显示其中的一张图片及其标签。 --- #### 使用 PyTorch 下载并加载数据 ```python from torchvision import datasets, transforms import matplotlib.pyplot as plt transform = transforms.ToTensor() # 转换为 Tensor 并归一化到 [0, 1] # 定义 EMNIST 数据集路径 dataset = datasets.EMNIST(root='./data', split='balanced', train=True, download=True, transform=transform) # 获取第一张图片 image, label = dataset[0] image = image.permute(1, 2, 0).numpy() # 将维度调整回 HWC 格式以便可视化 plt.imshow(image.squeeze(), cmap='gray') # squeeze 移除多余的维度 plt.title(f'Label: {label}') plt.show() ``` 通过以上代码片段，可以轻松完成 EMNIST 数据集的下载与展示操作。 --- ### 查看 EMNIST 图像样例 为了更直观地了解 EMNIST 中的手写字符样式，可以直接绘制多个随机选取的图像样例。例如，在 TensorFlow 实现中可加入如下代码段： ```python fig, axes = plt.subplots(nrows=3, ncols=5, figsize=(10, 6)) for i, ax in enumerate(axes.flat): img_index = i * 1000 # 随机选择一些索引位置 ax.imshow(x_train[img_index], cmap='gray') ax.set_title(f'{y_train[img_index]}') ax.axis('off') plt.tight_layout() plt.show() ``` 这将生成一个包含多幅子图的网格布局，每幅子图对应于 EMNIST 数据集中不同的手写字符或数字。 --- ### 总结 EMNIST 数据集提供了丰富的手写字符分类任务资源，其图像分辨率固定为 \(28 \times 28\) 单通道灰度格式。无论是采用 TensorFlow 还是 PyTorch 工具链，均可便捷地访问这些高质量的训练与验证数据集合。