使用新版本的TensorFlow2.18来加载MNIST数据

在TensorFlow 2.x版本中，尤其是2.18之后，加载MNIST数据集的方式已有所改变。虽然`read_data_sets`不再直接可用，你可以使用`tf.keras.datasets`模块提供的`load_data()`函数来加载MNIST数据。以下是加载过程的一个示例：

import tensorflow as tf

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

# 数据预处理（归一化到0-1范围）
x_train = x_train / 255.0
x_test = x_test / 255.0

# 将像素值从2D数组转为4D（添加维度用于卷积神经网络）
x_train = x_train.reshape(-1, 28, 28, 1)
x_test = x_test.reshape(-1, 28, 28, 1)

# 将类别标签转换为one-hot编码
y_train = tf.keras.utils.to_categorical(y_train, num_classes=10)
y_test = tf.keras.utils.to_categorical(y_test, num_classes=10)

相关问题

tensorflow加载训练MNIST数据集

可以使用TensorFlow自带的`tf.keras.datasets`模块来加载MNIST数据集。

下面是一个示例代码：

import tensorflow as tf

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

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

在上面的代码中，`load_data()`函数会自动下载MNIST数据集并将其加载到内存中。返回的是两个元组，第一个元组包含训练数据和标签，第二个元组包含测试数据和标签。这里将像素值归一化到0到1之间，以便更好地训练模型。

如何用TensorFlow加载MNIST数据集

你可以使用 TensorFlow 提供的 `tf.keras.datasets.mnist` 模块来加载 MNIST 数据集。代码如下：

import tensorflow as tf

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

# 对数据集进行预处理
x_train, x_test = x_train / 255.0, x_test / 255.0

# 显示训练集的形状
print("训练集数据的形状：", x_train.shape)
print("训练集标签的形状：", y_train.shape)

这里首先使用 `tf.keras.datasets.mnist.load_data()` 加载 MNIST 数据集，返回的是训练集和测试集的数据和标签。然后对数据集进行预处理，将像素值缩放到 0 到 1 之间。最后打印出训练集的形状。