main.py

import matplotlib.pyplot as plt  
import numpy as np

# Размер решетки  
grid_size = 28     

# Путь к файлу (замените 'file_path' на реальный путь к вашему файлу)  
file_path = 'd:\\Projects\\neuro_py\\train-images.idx3-ubyte'  

# Определяем место чтения и количество байт  
offset = 16 + (784*2)  # смещение (начальное место чтения)  
num_bytes = 784  # количество байт для чтения  

# Создаем массив для хранения считанных байт  
gray_values = np.zeros((grid_size, grid_size), dtype=np.float32)  # Массив из 784 элементов  

# Читаем файл  
#with open(file_path, 'rb') as file:  # Открываем файл в бинарном режиме  
#    file.seek(offset)  # Перемещаем указатель файла на нужное смещение 

file = open(file_path, 'rb')
file.seek(offset)

for i in range(grid_size):  
    for j in range(grid_size):      
        byte = file.read(1) # Читаем 784 байта и помещаем их в массив  
        gray_values[i][j] = 1 - int.from_bytes(byte, byteorder='big') / 255.0
        
# Выводим считанные байты  
#print(gray_values)

 
# Генерация случайных значений серого  
# Значения от 0 (черный) до 1 (белый)  
#gray_values = np.random.rand(grid_size, grid_size)  

# Создание пустого двумерного массива для градаций серого  
#gray_values = np.zeros((grid_size, grid_size))  

# Заполнение массива значениями с помощью циклов  
#for i in range(grid_size):  
#    for j in range(grid_size):  
#        gray_values[i][j] = np.random.rand()  # Генерация случайного значения от 0 до 1

# Создание графика  
plt.imshow(gray_values, cmap='gray', interpolation='nearest')  
plt.axis('off')  # Отключаем оси  
plt.title('Сетка 28x28 с случайными градациями серого')  
plt.show()