大多数示例都使用手写数字MNIST数据集[1]。 数据集包含60，000个培训样本和10，000个测试样本。 这些数字是标准化的，位于形象的中心。 图像为固定大小(28x28像素)，值为0到1。 为了简单起见，每个图像都被展平，转换为具有784*28 )个特征的一维numpy数组。

概览

。

用法

在本示例中，为tensor flow https://Github.com/tensor flow/tensor flow/Blob/r 0.7/tensor flow/Examples /教程/Tutorials/Tuturior

非常有助于管理数据，并且可以：

加载数据集将整个数据集加载到numpy数组中导入到MNIST

fromtensorflow.examples.tutorials.mnistimportinput _数据

Mn ist=输入数据.读取数据集('/tmp /数据/'，一个热=真) ) ) ) ) ) ) ) )。

# #数据加载

X_train=mnist.train.images

Y_train=mnist.train.labels

x _ test=最大值. test.images

y _ test=Mn ist.test .标签

下一个函数。 可以遍历整个数据集，只返回所需数据集的样本部分。 这样可以节省内存，避免加载整个数据集。 # #获取以下64个图像排列和标签

batch_X，batch _ y=Mn ist.train .下一个(64 ) ) ) ) ) ) ) ) ) ) )。

[1] :3358 yann.le Cun.com/exdb/Mn ist /