《TensorFlow技术解析与实战》第9章 TensorFlow在MNIST中的应用

第9章　TensorFlow在MNIST中的应用

MNIST[1]（Mixed National Institute of Standards and Technology）是一个入门级的计算机视觉数据集，数据集中都是美国中学生手写的数字。它的训练集包含6万张图片，测试集包含1万张图片，并且数字已经进行过预处理和格式化，做了大小调整并居中，图片尺寸也固定为28×28。这个数据集很小，但训练速度很快，而且收敛效果也很好，非常适合作为实战的例子去学习。

接下来我们就以MNIST数据集为例，尝尽TensorFlow在深度学习中的各种应用。

9.1　MNIST数据集简介

MNIST数据集是NIST数据集的子集，包含以下4个文件。

• train-labels-idx1-ubyte.gz：训练集标记文件（28 881字节）。
• train-images-idx3-ubyte.gz：训练集图片文件（9 912 422 字节）。
• t10k-labels-idx1-ubyte.gz：测试集标记文件（4 542字节）。
• t10k-images-idx3-ubyte.gz：测试集图片文件（1 648 877字节）。

MNIST数据集包括训练集的图片和标记数据，以及测试集的图片和标记数据，在测试集包含的10 000个样例中，前5 000个样例取自原始的NIST训练集，后5 000个取自原始的NIST测试集，因此前5 000个预测起来更容易些。

下面具体讲解它们的格式