使用mnist制作moving mnist，并分组保存在文件夹中

首先，我们需要加载mnist数据集，这可以通过`tensorflow`库中的`keras.datasets`模块来完成。

import tensorflow as tf
import numpy as np
import os

# 加载mnist数据集
(x_train, y_train), (x_test, y_test) = tf.keras.datasets.mnist.load_data()

接下来，我们需要定义一些参数，如图像大小、移动步长、帧数、分组数等。

# 图像大小
img_size = 28

# 移动步长
step_size = 1

# 帧数
num_frames = 20

# 分组数
num_groups = 100

然后，我们需要定义一个函数`generate_moving_mnist`来生成moving mnist。

def generate_moving_mnist(num_groups, num_frames, img_size, step_size):
    # 创建保存moving mnist的文件夹
    if not os.path.exists('moving_mnist'):
        os.makedirs('moving_mnist')

    # 生成并保存moving mnist
    for group in range(num_groups):
        # 随机选择mnist数据集中的数字
        digits = np.random.choice(np.arange(0, 10), size=num_frames, replace=True)

        # 生成moving mnist
        for frame in range(num_frames):
            # 创建新的图像
            img = np.zeros((img_size, img_size), dtype=np.float32)

            # 随机选择mnist数据集中的图像
            idx = np.random.choice(np.where(y_train == digits[frame])[0])
            digit_img = x_train[idx]

            # 随机选择图像的起始位置
            x = np.random.randint(0, img_size - digit_img.shape[0])
            y = np.random.randint(0, img_size - digit_img.shape[1])

            # 将图像添加到新的图像中
            img[x:x + digit_img.shape[0], y:y + digit_img.shape[1]] = digit_img

            # 将图像沿着随机方向移动
            dx, dy = np.random.randint(-step_size, step_size + 1, size=2)
            img = np.roll(img, shift=(dx, dy), axis=(0, 1))

            # 保存图像
            filename = 'moving_mnist/group{}_frame{}.png'.format(group, frame)
            tf.keras.preprocessing.image.save_img(filename, img)

最后，我们可以调用`generate_moving_mnist`函数生成并保存moving mnist。

generate_moving_mnist(num_groups, num_frames, img_size, step_size)

这将生成100个分组的moving mnist，每个分组包含20帧图像，图像大小为28x28，并在`moving_mnist`文件夹中保存。