一. MNIST数据集
如图3-24,MNIST手写数字图像集是由0到9的数字图像构成。训练图像有6万张(用于学习),测试图像有1万张(用于推理)。
MNIST的图像数据是28像素X28像素的灰度图像,各像素的取值在0到255之间。每个图像数据都相应标有“7”,“2”,“1”等标签
1、读入MNIST数据集
书中提供的mnist.py脚本(dataset目录下),提供了从下载MNIST数据集到将这些数据转换乘NumPy数组等处理。通过mnist.py中的load_mnist函数来读入MNIST数据集。
"""
为了导入父目录中文件而进行的设定——dataset/mnist.py中的load_mnist函数
load_mnist函数: 读入MNIST数据集
def load_mnist(normalize=True, flatten=True, one_hot_label=False):
Parameters
----------
normalize : 将图像的像素值正规化为0.0~1.0
one_hot_label :
one_hot_label为True的情况下,标签作为one-hot数组返回
one-hot数组是指[0,0,1,0,0,0,0,0,0,0]这样的数组
flatten : 是否将图像展开为一维数组
Returns
-------
(训练图像, 训练标签), (测试图像, 测试标签)
""