Tensorflow中mnist数据的封装

mnist是最最常用的一个数据集，tesnorflow中也把mnist分类做为一个入门的例子。
但是这个数据是经过封装的，所以，今天我就要把这个封装的过程弄明白
代码中读取mnist数据：

from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("MNIST_data",one_hot=True)

所以首先，取github上找到对应的源码：

下面是文件的代码：

"""Functions for downloading and reading MNIST data."""
from __future__ import absolute_import
from __future__ import division
from __future__ import print_function

import gzip
import os
import tempfile

import numpy
from six.moves import urllib
from six.moves import xrange  # pylint: disable=redefined-builtin
import tensorflow as tf
from tensorflow.contrib.learn.python.learn.datasets.mnist import read_data_sets

晕，又调用了别的文件，一样取找到对应文件：
tensorflow/tensorflow/contrib/learn/python/learn/datasets/mnist.py
代码有点长，我就挑出几段

  validation_images = rain_images[:validation_size]
  validation_labels = rain_labels[:validation_size]
  train_images = train_images[validation_size:]
  train_labels = train_labels[validation_size:]

这里明显就是把图像分为train和test集，并且没有使用随机方式，直接就是按照前后顺序划分的。

  options = dict(dtype=dtype, reshape=reshape, seed=seed)

  train = DataSet(train_images, train_labels, **options)
  validation = DataSet(validation_images, validation_labels, **options)
  test = DataSet(test_images, test_labels, **options)

DataSet函数在就在文件中，看意思应该是将数据随机打乱，格式由二维图像转成一维数组，数据转换成float型（根据输入参数）

读取batch代码：

batch_xs, batch_ys = mnist.train.next_batch(100) 

函数原型也在文件中，看意思也是明显采用的是不放回抽样。就是有个全局变量，记录已经抽样多少个了，然后拿后面的。

print(batch_xs.shape)
print(batch_ys.shape)

输出结果：
(100, 784)
(100, 10)
意思很明白了，得到2个numpy数组。