人工智能学习：载入MNIST数据集（1）

MNIST数据集是人工智能学习入门的数据集，包含了一系列的手写的数字图片
载入MNIST数据集的方法很简单，Tensorflow集成了载入数据集的方法

首先导入tensorflow模块和matplotlib.pyplot模块，pyplot是为了在显示载入的图片

import tensorflow as tf
import matplotlib.pyplot as plt
1
2

然后载入MNIST数据集

# load MNIST from keras datasets
(train_images, train_labels), (test_images, test_labels) = tf.keras.datasets.mnist.load_data()

# train_images: 60000*28*28, train_labels: 60000*1
# test_images: 10000*28*28, test_labels: 10000*1
1
2
3
4
5

调用集成的tf.keras.datasets.mnist.load_data函数，会自动从网络下载数据集，并产生train_images, train_labels, test_images, test_labels变量，分别为训练和测试的图片和标记。其中训练集为60000张图片，测试集为10000张图片，每张图片的大小为28*28像素。

通过subplot来显示数据集的一些图片，如下

# lines and columns of subplots
m = 10
n = 10
num = m*n

# size of figure
plt.figure(figsize=(11,11))

# plot first 100 pictures in train images
for i in range(num):
    plt.subplot(m,n,i+1)
    plt.imshow(train_images[i], cmap='gray_r')
    plt.xticks([])
    plt.yticks([])

plt.show()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

这里分10x10方格，每一个方格显示一张图片，显示训练数据集的前100张图片，结果如下