Keras MNIST数据库的推理

由于代理的原因，我无法以简单的方式下载Keras MNIST db

所以我从这里下载了一个本地版本：

https://s3.amazonaws.com/img-datasets/mnist.pkl.gz

我正在使用以下代码将其导入我的笔记本：

import gzip
import pickle
f = gzip.open('mnist.pkl.gz', 'rb')
if sys.version_info < (3,):
    data = pickle.load(f)
else:
    data = pickle.load(f, encoding='bytes')
f.close()
print(data)
(X_train, y_train), (X_test, y_test) = data

但这就是输出：

(60000, 28, 28)
(60000,)

---

这对我来说没什么意义。这究竟意味着什么？我怎样才能把它打印得更有意义呢？

你的X_系列的形状意味着你有6万个形状（28，28）的示例，因此基本上有6万个大小为28 X 28的图像，而且黑白图像，因为你没有第三个通道

对于您的y_系列，这意味着您有60.000个标签，因此每个对应的图像都有一个标签

如果要打印图像以查看其外观，可以执行以下操作：
（这里是第一张图片）

plt.imshow（X_列[0，：，：]，“灰色”）
产品名称（“图像标签：+str（y_序列[0]），fontsize=14）

---

这对你来说更清楚吗？

为什么对你来说没有意义？你到底在期待什么？@MatiasValdenegro嗨，Matias，谢谢你的回复。我只是想知道每个numpy数组包含什么，这些数据是如何存储的/我如何有意义地显示它。我对需要4个阵列感到有点困惑。那太好了，谢谢。唯一让我困惑的是标签——X_列[0]位置的图像，是y_列[0]中的标签，是吗？实际上“标签”表示，在这种情况下，“图像上有什么数字”，所以如果X_列[0]位置的图像表示“5”，y_列[0]位置的标签将是“5”。y_列包含标签，X_列包含图像

(60000, 28, 28)
(60000,)