mnist = tf.keras.datasets.mnist.load_data() train_img = mnist[0][0] # 表示训练集 构成的矩阵 表示的 图片 test_img = mnist[1][0] # 表示测试集 构成的矩阵 表示的 图片 train_label = mnist[0][1] # 表示训练集 的图片 表示的 数字是多少 test_label = mnist[1][1] with tf.Session() as sess: init = tf.global_variables_initializer() sess.run(init) start = time.time() for i in range(max_epoch): batch_xs, batch_ys = mnist.train.next_batch(100) # 此batch是个2维tuple，batch[0]是(100，784)的样本数据数组，batch[1]是(100，10)的样本标签数组 sess.run(train_step, feed_dict={xs: batch_xs, ys: batch_ys, keep_prob: keep_prob_rate}) if (i+1) % 50 == 0: print("step %d, test accuracy %g" % ((i+1), compute_accuracy( mnist.test_images, mnist.test_labels))) end = time.time() print('******************************************************') print("运行时间:%.2f秒" % (end - start)) 出现AttributeError: 'tuple' object has no attribute 'train'

根据你的代码，你尝试使用 `mnist.train.next_batch(100)` 访问训练集的批次数据，但是出现了 `AttributeError: 'tuple' object has no attribute 'train'` 的错误。

这个错误是因为 `mnist` 是一个元组对象，而元组对象没有名为 `train` 的属性。根据你的代码逻辑，你可能想要使用 `train_img` 和 `train_label` 这两个变量来代替 `mnist.train_images` 和 `mnist.train_labels`。

所以，你可以将 `batch_xs, batch_ys = mnist.train.next_batch(100)` 这一行代码修改为：

batch_xs, batch_ys = train_img.next_batch(100)

这样就可以解决这个错误了。请确保你已经正确地定义了 `train_img` 和 `train_label`。如果还有其他问题，请提供更多的上下文或完整的代码，以便我能够更好地帮助你。