multi_mnist数据集

### Multi-MNIST 数据集介绍

Multi-MNIST 是 MNIST 数据集的一个变种，在原始的单个手写数字图像基础上进行了扩展。在 Multi-MNIST 中，每张图片包含了两个重叠的手写数字，这增加了任务难度并使得模型不仅需要识别单独的字符还要区分它们的位置[^4]。

#### 特征描述
- **样本数量**: 训练集中大约包含6万个样本；测试集中约有1万个样本。
- **图像尺寸**: 图像大小保持不变，依然是28x28像素灰度图。
- **标签形式**: 对于每一个输入图像，存在一对对应的标签表示其中所含有的两个不同数字。

### 使用方法概述

为了有效地利用 Multi-MNIST 进行研究工作，通常遵循如下流程：

加载数据可以通过 PyTorch 或 TensorFlow 等框架实现自动化处理。这里给出一个简单的 Python 例子来展示如何读取和预览 multi-mnist 数据集中的图像及其标签信息:

import numpy as np
from torchvision import datasets, transforms
import matplotlib.pyplot as plt

transform = transforms.Compose([transforms.ToTensor()])
train_dataset = datasets.ImageFolder(root='path_to_multi_mnist/train', transform=transform)

def show_image(img_tensor):
    img = img_tensor.numpy().transpose((1, 2, 0))
    plt.imshow(np.squeeze(img), cmap="gray")
    plt.show()

for i in range(3): # 显示前三幅图
    image, label = train_dataset[i]
    print(f'Image {i+1} contains digits:',label)
    show_image(image)

上述代码片段展示了如何通过 `torchvision.datasets` 加载自定义路径下的 multi-mnist 数据，并打印前三个实例以及其对应的真实类别标签[^1]。