《大数据算法学习》（三）MNIST手写数字识别

一、使用MNIST数据集

    本次学习使用神经网络识别手写数字，我们使用的数据集是MNIST数据集，MNIST数据集的长相如下图所示。

    MNIST数据集是由0 到9 的数字图像构成。训练图像有6 万张，测试图像有1 万张，这些图像可以用于学习和推理。MNIST数据集的一般使用方法是，先用训练图像进行学习，再用学习到的模型度量能在多大程度上对测试图像进行正确的分类。 MNIST的图像数据是28 像素 × 28 像素的灰度图像（1 通道），各个像素的取值在0 到255 之间。每个图像数据都相应地标有“7”、“2”、“1”等标签。

    load_mnist函数以“( 训练图像, 训练标签)，( 测试图像，测试标签)”的形式返回读入的MNIST数据。

def load_mnist():
    train_labels_path = 'train-labels.idx1-ubyte'
    test_labels_path = 't10k-labels.idx1-ubyte'
    train_images_path = 'train-images.idx3-ubyte'
    test_images_path = 't10k-images.idx3-ubyte'

    with open(train_labels_path, 'rb') as lpath:
        magic, n = struct.unpack('>II', lpath.read(8))