案例1——手写数字识别

---

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)
""