MNIST手写数字识别_数据读取02

MNIST手写数字识别_数据读取

基于已经下载好本地数据集或是通过keras成功导入数据集：

1.本地数据集

# 导入数据
mnist = input_data.read_data_sets('D:\pythonProject1\MNIST\MNIST_data',one_hot=True)
#路径为存储MNIST数据集的地址
#one_hot=True 设置热编码

One-Hot编码，又称为一位有效编码，主要是采用位状态寄存器来对个状态进行编码，每个状态都由他独立的寄存器位，并且在任意时候只有一位有效。独热编码 是利用0和1表示一些参数，使用N位状态寄存器来对N个状态进行编码。
如本程序中对MNIST便签的热编码：
0，1，2，3，4，5，6，7，8，9的热编码

由于该数据集预先分割了训练数据集和测试数据集，我们仅需输入以下代码即可：

train_X = mnist.train.images
train_Y = mnist.train.labels
test_X = mnist.test.images
test_Y = mnist.test.labels
print(train_X.shape, train_Y.shape) # (55000, 784) (55000, 10)
print(test_X.shape, test_Y.shape) # (10000, 784) (10000, 10)

训练图片为55000张，28×28，训练标签为55000个，热编码为10位数字。
测试图片为10000张，28×28，测试标签为10000个，热编码为10位数字。

显示出第一个图片和标签及其数据类型：

print(train_X[0],type(train_X)) # <class 'numpy.ndarray'>
print(train_Y[0]