尝试加载MNIST数据集，并将其下载到data 文件夹内，随机选取一张图片进行展示，并且展示其对应的label，输出下载在数据集图片数量，并输出单张图片在尺寸信息，在其图片数量范围内，随机选取8张图片进行展示

首先，为了加载MNIST数据集并下载到"data"文件夹，我们可以使用Python的`tensorflow.keras.datasets`库，这是一个预装的机器学习数据集工具。让我们一步步操作：

1. **安装所需库** (如果尚未安装)：

   pip install tensorflow numpy

2. **导入所需的库** 和下载数据集：

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

   if not os.path.exists('data'):
       os.makedirs('data')

   (train_images, train_labels), (_, _) = mnist.load_data()
   train_images = train_images / 255.0  # 归一化到0-1之间
   train_images = train_images[:1]  # 只取一张图片进行展示，这里我们只取第一张

   # 下载到data文件夹
   img_path = 'data/mnist_sample.png'
   tf.keras.utils.save_img(img_path, train_images[0])

   print("已保存的图片路径:", img_path)
   label = train_labels[0]
   print("图片对应的标签:", label)

3. **显示图片尺寸**：

   img_shape = train_images.shape
   print("图片尺寸:", img_shape)

4. **随机选取并展示8张图片**：

   num_random_images = 8
   random_indices = tf.random.uniform(shape=(num_random_images,), maxval=train_images.shape[0], dtype=tf.int32)

   for i in range(num_random_images):
       img_index = random_indices[i]
       img_path = f'data/rand_image_{i+1}.png'
       tf.keras.utils.save_img(img_path, train_images[img_index])
       print(f"已保存的随机图片 {i+1} 的路径: {img_path}")

注意，这将创建8个单独的图片文件在"data"文件夹下。