写一个自定义函数或者方法帮我调用已经下载至本地的mnist数据集并且可以使用数据集中的data和target

在Python中，可以使用TensorFlow或者Keras等库来加载MNIST数据集，并且自定义函数来处理数据集中的data和target。以下是使用Keras库加载MNIST数据集的一个示例：

首先，你需要安装Keras库，如果还没有安装，可以使用pip命令进行安装：

pip install keras

然后，你可以按照以下代码来定义一个自定义函数，该函数会加载MNIST数据集，并提供对data和target的访问：

from keras.datasets import mnist
import numpy as np

def load_mnist_data():
    # 加载MNIST数据集
    (train_data, train_target), (test_data, test_target) = mnist.load_data()
    
    # 将图像数据转换为4维数组以便输入到模型中
    train_data = train_data.reshape((train_data.shape[0], 28, 28, 1)).astype('float32') / 255
    test_data = test_data.reshape((test_data.shape[0], 28, 28, 1)).astype('float32') / 255
    
    # 将目标数据转换为one-hot编码
    train_target = keras.utils.to_categorical(train_target, 10)
    test_target = keras.utils.to_categorical(test_target, 10)
    
    return train_data, train_target, test_data, test_target

# 调用自定义函数以获取数据集
train_data, train_target, test_data, test_target = load_mnist_data()

这段代码首先定义了一个`load_mnist_data`函数，该函数使用Keras提供的`load_data`方法来获取MNIST数据集，并对图像数据进行必要的预处理，如重塑数据形状和归一化。最后，目标数据被转换为one-hot编码格式，这样可以更方便地用于训练深度学习模型。