mnist数据集的划分代码

下面是使用Python中的sklearn库中的train_test_split函数来实现MNIST数据集划分的示例代码：

from sklearn.model_selection import train_test_split
from tensorflow.keras.datasets import mnist

# 加载MNIST数据集
(X_train, y_train), (X_test, y_test) = mnist.load_data()

# 将训练集划分为训练集和验证集，比例为60%训练集，20%验证集，20%测试集
X_train, X_val, y_train, y_val = train_test_split(X_train, y_train, test_size=0.2, random_state=42)
X_test, y_test = X_test / 255.0, y_test

# 输出划分后的数据集大小
print('X_train shape:', X_train.shape)
print('y_train shape:', y_train.shape)
print('X_val shape:', X_val.shape)
print('y_val shape:', y_val.shape)
print('X_test shape:', X_test.shape)
print('y_test shape:', y_test.shape)

这里使用了sklearn库中的train_test_split函数将训练集划分为训练集和验证集，同时保留20%的测试集。我们使用了mnist.load_data()函数来加载MNIST数据集，然后将数据集划分为训练集、验证集和测试集，并将输入数据归一化处理，最后输出数据集的大小。