大家好，又见面了，我是你们的朋友全栈君。

目录

1.宽度学习(Broad Learning System)

2.MNIST数据集

3.复刻MNIST数据集的预处理及训练过程

1.宽度学习(Broad Learning System)

对宽度学习的理解可见于这篇博客宽度学习（Broad Learning System）_颹蕭蕭的博客-CSDN博客_宽度学习

这里不再做详细解释

2.MNIST数据集

mnist数据集官网（下载地址）：MNIST handwritten digit database, Yann LeCun, Corinna Cortes and Chris Burges

MNIST数据集有称手写体数据集，其中中训练集一共包含了 60,000 张图像和标签，而测试集一共包含了 10,000 张图像和标签。测试集中前5000个来自最初NIST项目的训练集.，后5000个来自最初NIST项目的测试集。前5000个比后5000个要规整，这是因为前5000个数据来自于美国人口普查局的员工，而后5000个来自于大学生。
MNIST数据集自1998年起，被广泛地应用于机器学习和深度学习领域，用来测试算法的效果，相当于该领域的”hello world!”

3.复刻MNIST数据集的预处理及训练过程

原bls代码下载地址：Broad Learning System

下载后，我先用原代码中带的数据和代码进行训练，运行结果如下：

1.不含增量的bls代码：

2.含有增量的bls代码：

可以看到bls训练模型的时间非常短并且精确度达到0.93以上

然后我们回过头来看它用的训练集和测试集，它共输入三个csv文件，分别为test.csv，train.csv，sample_submission.csv

其中格式为：

这就是我们处理完MNIST数据之后需要bls代码中训练的数据，统计得到以下信息

其中sample_submission.csv是提交样例，它最后会用来保存训练出的模型对测试集打的标签为csv文件。

那么得到这些信息我们就可以开始处理我们的mnist数据集了，在官网下载完数据集后我们得到了四个文件：

这个时候如果你是初学者，你就会奇怪明明是图像数据为什么下载完会是这四个东西？

这是因为为了方便使用，官方已经将70000张图片处理之后存入了这四个二进制文件中，因此我们要对这四个文件进行解析才能看到原本的图片。

此处用到struct包进行解析，详情见于Mnist数据集简介_查里王的博客-CSDN博客_mnist数据集

解析代码：

import os
import struct
import numpy as np

# 读取标签数据集
with open('../data/train-labels.idx1-ubyte', 'rb') as lbpath:
    labels_magic, labels_num = struct.unpack('>II', lbpath.read(8))
    labels = np.fromfile(lbpath, dtype=np.uint8)

# 读取图片数据集
with open('../data/train-images.idx3-ubyte', 'rb') as imgpath:
    images_magic, images_num, rows, cols = struct.unpack('>IIII', imgpath.read(16))
    images = np.fromfile(imgpath, dtype=np.uint8).reshape(images_num, rows * cols)

# 打印数据信息
print('labels_magic is {} \n'.format(labels_magic),
      'labels_num is {} \n'.format(labels_num),
      'labels is {} \n'.format(labels))

print('images_magic is {} \n'.format(images_magic),
      'images_num is {} \n'.format(images_num),
      'rows is {} \n'.format(rows),
      'cols is {} \n'.format(cols),
      'images is {} \n'.format(images))

# 测试取出一张图片和对应标签
import matplotlib.pyplot as plt

choose_num = 1  # 指定一个编号，你可以修改这里
label = labels[choose_num]
image = images[choose_num].reshape(28, 28)

plt.imshow(image)
plt.title('the label is : {}'.format(label))
plt.show()

运行结果：

 但是这并不是我们要的东西，我们需要的是将二进制文件解析后存入csv文件中用于训练。

在观察了原代码中所用的csv文件的格式以及bls代码中读取数据的方式后，我发现需要再存入之前对数据添加一个index，其中包括”label”和”pixel0~pixel784″，其中pixel是一维数组的元素编码，由于mnist数据集是28*28的图片，所以，转为一维数组后一共有784个元素。

知道这个原理后，编写代码如下：

import csv

def pixel(p_array, outf):
    with open(outf, "w",newline='') as csvfile:
            writer = csv.writer(csvfile)
            # 先写入columns_name
            writer.writerow(p_array)

def convert(imgf, labelf, outf, n):
    f = open(imgf, "rb")
    o = open(outf, "a")
    l = open(labelf, "rb")

    f.read(16)
    l.read(8)
    images = []

    for i in range(n):
        image = [ord(l.read(1))]
        for j in range(28*28):
            image.append(ord(f.read(1)))
        images.append(image)

    for image in images:
        o.write(",".join(str(pix) for pix in image)+"\n")
    f.close()
    o.close()
    l.close()

if __name__ == '__main__':

    p_array = []
    for j in range(0, 785):
        if j == 0 :
            b1 = "label"
            p_array.append(b1)
        else:
            b1 = 'pixel' + str(j - 1)
            p_array.append(b1)
    pixel(p_array,"../data/mnist_train.csv")
    pixel(p_array,"../data/mnist_test.csv")

    convert("../data/train-images.idx3-ubyte", "../data/train-labels.idx1-ubyte",
        "../data/mnist_train2.csv", 42000)
    convert("../data/t10k-images.idx3-ubyte", "../data/t10k-labels.idx1-ubyte",
        "../data/mnist_test2.csv", 28000)

    print("success!")

代码运行结果;

得到经过二进制文件解析以及格式处理后的数据：

现在训练集文件格式与源代码格式一样了，但是，既然是复刻那么我们还有一个问题没有解决——数据总数不一样，根据源代码中信息，训练集有42000张，测试集28000张，但是我们的训练集有60000张，测试集有10000张，所以我们需要稍微处理一下我们数量，其实这个很简单，只要将训练集中的数据匀18000张给测试集就可以了，另外测试集中标签一行需要删除，因为测试集好比高考试卷，标签相当于答案，没有人会把高考答案告诉你然后让你考对不对。这个过程可以用python代码实现，只要加入一点点功能，编写功能代码如下:

(记得删除测试集中的标签)

import csv
def test_add(train_imgf,train_labelf,outf):
    f = open(train_imgf, "rb")
    o = open(outf, "a")
    l = open(train_labelf, "rb")
    f.read(16)
    l.read(8)
    images = []

    for i in range(42001, 60001):
        image = [ord(l.read(1))]
        for j in range(28 * 28):
            image.append(ord(f.read(1)))
        images.append(image)

    for image in images:
        o.write(",".join(str(pix) for pix in image) + "\n")
    f.close()
    o.close()
    l.close()


def pixel(p_array, outf):
    with open(outf, "w",newline='') as csvfile:
            writer = csv.writer(csvfile)
            # 先写入columns_name
            writer.writerow(p_array)

def convert(imgf, labelf, outf, n):
    f = open(imgf, "rb")
    o = open(outf, "a")
    l = open(labelf, "rb")

    f.read(16)
    l.read(8)
    images = []

    for i in range(n):
        image = [ord(l.read(1))]
        for j in range(28*28):
            image.append(ord(f.read(1)))
        images.append(image)

    for image in images:
        o.write(",".join(str(pix) for pix in image)+"\n")
    f.close()
    o.close()
    l.close()

if __name__ == '__main__':

    p_array = []
    for j in range(0, 785):
        if j == 0 :
            b1 = "label"
            p_array.append(b1)
        else:
            b1 = 'pixel' + str(j - 1)
            p_array.append(b1)
    pixel(p_array,"../data/mnist_train2.csv")
    pixel(p_array,"../data/mnist_test2.csv")

    convert("../data/train-images.idx3-ubyte", "../data/train-labels.idx1-ubyte",
        "../data/mnist_train2.csv", 42000)
    convert("../data/t10k-images.idx3-ubyte", "../data/t10k-labels.idx1-ubyte",
        "../data/mnist_test2.csv", 10000)
    test_add("../data/train-images.idx3-ubyte", "../data/train-labels.idx1-ubyte", "../data/mnist_test2.csv")

    print("success!")

处理后，与提交案例一起加入bls训练，可以得到：

可以看到这与之前原始数据训练的结果几乎相同