大多数示例使用手写数字的MNIST数据集[1]。该数据集包含60,000个用于训练的示例和10,000个用于测试的示例。这些数字已经过尺寸标准化并位于图像中心，图像是固定大小(28x28像素)，其值为0到1。为简单起见，每个图像都被平展并转换为784(28 * 28)个特征的一维numpy数组。

概览

用法

在我们的示例中，我们使用TensorFlow
https://github.com/tensorflow/tensorflow/blob/r0.7/tensorflow/examples/tutorials/mnist/input_data.py脚本来加载该数据集。

它对于管理我们的数据非常有用，并且可以处理：

• 加载数据集
• 将整个数据集加载到numpy数组中

# 导入 MNIST
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("/tmp/data/", one_hot=True)
# 加载数据
X_train = mnist.train.images
Y_train = mnist.train.labels
X_test = mnist.test.images
Y_test = mnist.test.labels

• next_batch函数，可以遍历整个数据集并仅返回所需的数据集样本部分(以节省内存并避免加载整个数据集)。

# 获取接下来的64个图像数组和标签
batch_X, batch_Y = mnist.train.next_batch(64)