Python调用MNIST

MNIST是一个手写数字数据集，非常适合用于训练和测试机器学习模型。在Python中，可以使用TensorFlow或PyTorch等深度学习框架来调用MNIST数据集。

以下是使用TensorFlow加载MNIST数据集的示例代码：

import tensorflow as tf
from tensorflow.keras.datasets import mnist

# 加载MNIST数据集
(x_train, y_train), (x_test, y_test) = mnist.load_data()

# 将像素值归一化为0到1之间
x_train, x_test = x_train / 255.0, x_test / 255.0

# 构建模型
model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10)
])

# 编译模型
model.compile(optimizer='adam',
              loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
              metrics=['accuracy'])

# 训练模型
model.fit(x_train, y_train, epochs=5, validation_data=(x_test, y_test))

# 评估模型
model.evaluate(x_test, y_test, verbose=2)

在这个例子中，我们首先使用`mnist.load_data()`函数加载MNIST数据集，并将训练和测试数据集分别存储在`(x_train, y_train)`和`(x_test, y_test)`中。接下来，我们将像素值归一化为0到1之间，并构建了一个简单的神经网络模型。最后，我们使用`model.fit()`方法来训练模型，并使用`model.evaluate()`方法来评估模型的性能。

请注意，这只是一个简单的示例代码，您可以根据自己的需要进行修改和调整。