python load_mnist函数代码

以下是一个基于TensorFlow的Python代码示例，可以加载MNIST数据集。

import tensorflow as tf

def load_mnist():
    (x_train, y_train), (x_test, y_test) = tf.keras.datasets.mnist.load_data()
    x_train = x_train.reshape(-1, 28, 28, 1).astype('float32') / 255.0
    x_test = x_test.reshape(-1, 28, 28, 1).astype('float32') / 255.0
    y_train = tf.keras.utils.to_categorical(y_train, 10)
    y_test = tf.keras.utils.to_categorical(y_test, 10)
    return (x_train, y_train), (x_test, y_test)

该函数首先使用Keras库中的`mnist.load_data()`函数从TensorFlow包中下载MNIST数据集。然后，它将训练和测试数据分别存储在`x_train`、`y_train`和`x_test`、`y_test`变量中。

接着，该函数将输入数据的维度从`(num_samples, 28, 28)`变为`(num_samples, 28, 28, 1)`，其中`num_samples`是训练或测试样本的数量。这是因为TensorFlow要求输入数据的形状为`(batch_size, height, width, channels)`。

最后，函数将类别标签转换为独热编码向量，并返回`((x_train, y_train), (x_test, y_test))`元组。