Python MNIST-数据集准备

我正在处理用于机器学习的MNIST数据集，我有2个csv文件。一个包含数据，另一个包含从0到9的标签。 如何重塑和添加标签，以便将其用于机器学习预测

标签 图像

我想你需要这个：

from keras.datasets import mnist
from keras import models
from keras import layers

(train_images, train_labels), (test_images, test_labels) = mnist.load_data()
train_images = train_images.rashape((60000, 28*28))
train_labels = train_images.astype('float32') / 255
test_images = test_images.rashape((10000, 28*28))
test_labels = test_images.astype('float32') / 255

network = models.Sequential()
network.add(layers.Dense(512, activation='relu', input_shape=(28*28,)))
network.add(layers.Dense(10, activation='softmax'))
network.compile(optimizer='rmsprop', loss='categorical_crossentropy', metrics=['accuracy'])
network.fit(train_images, train_labels, epochs=5, batch_size=128)

---

不要重新发明轮子，而是使用sklearn数据集。我不能使用sklearn进行此操作，因为我们不知道csv格式，我们不知道您如何读取数据，这个问题太广泛，无法回答。我包含了数据的图像。这没有解释数据是什么，行是什么，如何以一列而不是一个图像结束。。。