Tensorflow学习第1课——从本地加载MNIST以及FashionMNIST数据

很多Tensorflow第一课的教程都是使用MNIST或者FashionMNIST数据集作为示例数据集，但是其给的例程基本都是从网络上用load_data函数直接加载，该函数封装程度比较高，如果网络出现问题，数据集很难实时从网上下载（笔者就多次遇到这种问题，忍无可忍），而且数据是如何解码的也一无所知，不利于后续的学习和理解，因此本文主要介绍对下载到本地的MNIST或FashionMNIST数据集如何加载解析的问题。

下载到本地的数据集一般有两种格式：numpy的压缩格式.npz，以及gzip压缩格式.gz，下面我们分别介绍，在以下介绍中，均假设读者已经将数据集下载到本地了，如果不知道从哪里下载，请百度。

1. npz格式数据集的加载代码非常简单，直接用numpy的load函数即可

import numpy as np

# 假设数据保存在'./datasets/'文件夹下
try:
    data = np.load('./datasets/mnist.npz')
    x_train, y_train, x_test, y_test = data['x_train'],data['y_train'],data['x_test'],data['y_test']
    
    # 可以将其中一条数据保存成txt文件，查看一下，会对这组数据有个直观的感受
    # np.savetxt('test.txt',x_train[0],fmt='%3d',newline='\n\n')
    
    # 将数据归一化
    x_train, x_test = x_train/255.0, x_test/255.0
exc