换一下读取MNIST数据集的部分

好的，以下是另一种读取MNIST数据集的方法：

import numpy as np
import gzip

def load_mnist(path):
    with gzip.open(path + 'train-images-idx3-ubyte.gz', 'rb') as f:
        X_train = np.frombuffer(f.read(), np.uint8, offset=16).reshape(-1, 28 * 28)
    with gzip.open(path + 'train-labels-idx1-ubyte.gz', 'rb') as f:
        y_train = np.frombuffer(f.read(), np.uint8, offset=8)
    with gzip.open(path + 't10k-images-idx3-ubyte.gz', 'rb') as f:
        X_test = np.frombuffer(f.read(), np.uint8, offset=16).reshape(-1, 28 * 28)
    with gzip.open(path + 't10k-labels-idx1-ubyte.gz', 'rb') as f:
        y_test = np.frombuffer(f.read(), np.uint8, offset=8)
    return X_train, y_train, X_test, y_test

这个函数使用了`gzip`库来解压缩MNIST数据集文件。`load_mnist`函数接受一个路径作为参数，并返回四个NumPy数组，分别是训练集和测试集的图像和标签数组。其中，`X_train`和`X_test`的形状为`(n_samples, 28 * 28)`，`y_train`和`y_test`的形状为`(n_samples,)`，表示样本数量和每个样本的维度。