MNIST手写数字识别-02 数据集

MNIST手写数字识别—— 02 数据集

MNIST 数据集

MNIST图像数据集使用形如［28，28］的二阶数组来表示每张图像，数组中的每个元素对应一个像素点。该数据集中的图像都是256阶灰度图，像素值0表示白色（背景），255表示黑色（前景）。由于每张图像的尺寸都是28x28像素，为了方便连续存储，我们可以将形如［28，28］的二阶数组“摊平”成形如［784］的一阶数组。数组中的784个元素共同组成了一个784维的向量。

More info: http://yann.lecun.com/exdb/mnist/

使用 tf.Keras 加载 MNIST 数据集

tf.keras.datasets.mnist.load_data(path=‘mnist.npz’)

Arguments:

• path: 本地缓存 MNIST 数据集(mnist.npz)的相对路径（~/.keras/datasets）

Returns：

Tuple of Numpy arrays: `(x_train, y_train), (x_test, y_test)`.

详情查看 mnist.load_data API 文档

# tensorflow2.0的数据集集成到keras高级接口之中
import tensorflow as tf

(x_train, y_train), (x_test, y_test) = tf.keras.datasets.mnist.load_data()

print(x_train.shape, y_train.shape)
print(x_test.shape, y_test.shape)

import matplotlib.pyplot as plt

fig = plt.figure()
for i in range(15):
    plt.subplot(3, 5, i+1) # 绘制前15个手写体数字，以3行5列子图形式展示
    plt.tight_layout() # 自动适配子图尺寸，看起来不拥挤
    plt.imshow(x_train[i], cmap='Greys') # 使用灰色显示像素灰度值
    plt.title("Label: {}".format(y_train[i])) # 设置标签为子图标题
    plt.xticks([]) # 删除x轴标记 否则会自动标上坐标
    plt.yticks([]) # 删除y轴标记

x_train[0]