Mnist数据集分析（13）---《深度学习》

Mnist数据集分析

def load_data():
    f = gzip.open('/var/tmp/mnist.pkl.gz', 'rb')
    training_data, test_data = cPickle.load(f)
    f.close()
    return (training_data,  test_data)

def load_data_wrapper():
    tr_d, te_d = load_data()
    training_inputs = [np.reshape(x, (784, 1)) for x in tr_d[0]]
    training_results = [vectorized_result(y) for y in tr_d[1]]
    training_data = zip(training_inputs, training_results)

    test_inputs = [np.reshape(x, (784, 1)) for x in te_d[0]]
    test_data = zip(test_inputs, te_d[1])
return (training_data, test_data)

那么这样处理之后，我们的数据类型为：
[([784,1],[10,1]),…,()],总返回类型为list，然后tuple中又包含tuple，子tuple中第一个为一个二维数组，784*1，第二个为一个二位数组，10*1。

if __name__=="__main__":
    training_data,test_data=load_data_wrapper()
    print(training_data[0][0].shape)
print(training_data[0][1].shape)

运行结果：

training_data,test_data=load_data_wrapper()
print(type(test_data))
print(test_data[0][0].shape)
print(test_data[0][1].shape)

因此我们可以看到mnist数据集的[([784*1],i),……,()]

搭建网络之后输出的最后一层的维度为：