MNIST数据集是在图像处理领域广泛应用的数据集，很多书籍和教程都会对它“下手”，其几乎成为一个图像处理中的“hello world”。MNIST数据集是由杨·乐昆（Yann LeCun）教授对自美国国家标准与技术研究所（National Institute of Standards and Technology）收集的数据集进行整理得到。训练集（training set）由250个不同人手写的60000个数字构成，其中50%是美国高中学生，50%来自美国人口普查局（The Census Bureau）的工作人员。测试集（test set）也是同样比例的10000个手写数字数据。在杨·乐昆（Yann LeCun）教授的网站中（http：//yann.lecun.com/exdb/mnist）对MNIST数据集做了详细的介绍并提供下载。本书采用Keras深度学习框架实现手写数字识别，这样可以利用Keras自动导入MNIST数据集进行查看和使用，需要注意一点，第一次导入MNIST数据集时需要花费一定时间完成网络下载。示例代码如下：
import keras
from keras. datasets import mnist#导入mnist模块
（x_train_image, y_train_label），
（x_test_image, y_test_label）=mnist.load_data（）#下载读取mnist数据集
print（＇train data=＇，len（x_train_image））
print（＇test data=＇，len（x_test_image））
print（＇x_train_image：＇，x_train_image. shape）
print（＇y_train_label：＇，y_train_label. shape）
运行输出，可以得到数据集的相关信息：
train data=60000(www.xing528.com)
test data=10000
x_train_image：（60000，28，28）
y_train_label：（60000，）
在上面代码行中，x_train_image, y_train_label, x_test_image, y_test_label可以返回训练集数据、训练集标签以及测试集数据、测试集标签，通过打印输出可以发现训练数据集包括60000个样本，测试数据集包括10000个样本。在训练和测试数据集中的每个样本代表一张手写数字灰度图片，每张图片均由28×28个像素组成。训练集标签和测试集标签包含了对应样本代表的类别标签，分别用0～9表示。可以用如下代码显示一张手写数字图片（图4-20）：
import matplotlib. pyplot as plt
image=x_train_image[0]#取第一个样本图片的数据
plt. imshow（image, cmap=＇binary'）
plt. show（）
print（y_train_label[0]）#输出第一个样本的标签，结果为5
图4-20 数字5图片
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
