Python 为什么用一对元组加载Keras MNIST如此重要？

在文档中，他们建议使用此行加载

mnist

：

from keras.datasets import mnist

(x_train, y_train), (x_test, y_test) = mnist.load_data()

如果不使用元组或列表，则会引发错误：

ValueError:没有足够的值来解包（预期值为4，实际值为2）

它也适用于列表。为什么使用元组或列表如此重要？使用

sklearn

，使用它不是问题

X_train, X_test, y_train, y_test = train_test_split(X, y)

那么为什么它不能在这里工作呢？

如果你看一下这个函数，它只会精确地返回两个元组。因此，您需要两个元组或列表才能正确解包

但是如果您仔细看一下，它可以通过使用

itertools.chain

从可迭代项创建一个链来巧妙地实现这一点，它允许您使用四个元素进行解包

如果希望

keras.mnist.load_data（）

以类似方式工作，请执行以下操作

from itertools import chain
x1, y1, x2, y2 = chain.from_iterable(tf.keras.datasets.mnist.load_data())

结果是一个两元组（由两个元组组成），因此对于解包，您需要在左侧正好有两个“接收器”。这些接收器也会立即打开包装，这可能有点令人困惑。