1.读入图像数据（提供函数），写代码，输出训练数据x_train的个数，测试数据的个数，数据的维数，以及输出类别数。（提示x_train大小为60000*784，其中第一维为样本点数60000，第二维是数据维数784。）

我们可以使用Python的NumPy库来读取MNIST数据集，并输出所需的信息。假设我们已经将数据集保存在本地路径为`./data/mnist`下，代码如下：

import numpy as np

# 读取训练数据和测试数据
x_train = np.load('./data/mnist/train_images.npy')
y_train = np.load('./data/mnist/train_labels.npy')
x_test = np.load('./data/mnist/test_images.npy')
y_test = np.load('./data/mnist/test_labels.npy')

# 输出训练数据和测试数据的个数、数据维数和类别数
print("训练数据个数：", x_train.shape[0])
print("测试数据个数：", x_test.shape[0])
print("数据维数：", x_train.shape[1])
print("类别数：", len(np.unique(y_train)))

运行以上代码，即可得到输出结果。其中，`np.load`函数用于读取.npy格式的数据文件，`x_train.shape`表示获取`x_train`数组的形状，即`(60000, 784)`。`len(np.unique(y_train))`用于获取训练数据集中的类别数，因为MNIST数据集一共包含10个类别（0~9）。