MNIST 是一个广泛使用的手写数字图像数据集，常用于机器学习和深度学习的基础实验和教学。该数据集包含 60,000 张训练图像和 10,000 张测试图像，每张图像都是 28x28 像素的灰度图像，代表 0 到 9 的手写数字。 在 Python 中，有多种方式可以使用 MNIST 数据集。 #### 使用 `torchvision` 库加载 MNIST 数据集 ```python import torch from torchvision import datasets, transforms # 定义数据预处理 transform = transforms.Compose([ transforms.ToTensor(), transforms.Normalize((0.1307,), (0.3081,)) ]) # 下载并加载训练集 train_dataset = datasets.MNIST(root='./data', train=True, download=True, transform=transform) train_loader = torch.utils.data.DataLoader(train_dataset, batch_size=64, shuffle=True) # 下载并加载测试集 test_dataset = datasets.MNIST(root='./data', train=False, download=True, transform=transform) test_loader = torch.utils.data.DataLoader(test_dataset, batch_size=64, shuffle=False) ``` #### 使用 `mnist` 库加载 MNIST 数据集 ```python import numpy as np from mnist import get_file path = get_file(path, origin='https://s3.amazonaws.com/img-datasets/mnist.npz') f = np.load(path) x_train, y_train = f['x_train'], f['y_train'] x_test, y_test = f['x_test'], f['y_test'] f.close() ``` #### 手动读取 MNIST 数据集文件 ```python import numpy as np import PIL as pil # 读取 label 值 label_path = "F:\\Files\\Deep Learning\\MNISTdata\\t10k-labels.idx1-ubyte" f1 = open(label_path, 'rb') label = np.frombuffer(f1.read(), dtype=np.uint8, count=1, offset=8) print(label) # 读取 image 值 image_path = "F:\\Files\\Deep Learning\\MNISTdata\\t10k-images.idx3-ubyte" f2 = open(image_path, 'rb') image0 = np.frombuffer(f2.read(), dtype=np.uint8, count=784, offset=16) # 将 image0 转换成 28×28 矩阵（1 张图片） image = image0.reshape(28, 28) # 用 PIL 库显示图片 pil_image = pil.Image.fromarray(np.uint8(image)) pil_image.show() ```