tensorflow.examples.tutorials.mnist input\u数据中的数据和标签的结构是什么

我正在努力学习如何在Tensorflow中正确地将数据引入conv网络，大多数示例代码使用import Tensorflow.examples.tutorials.mnist import input_data中的

当您可以使用它来访问mnist数据时，这很简单，但当您试图建立等效的方法来构造并将非mnist数据引入类似的模型时，这并没有帮助

通过mnist示例导入的数据的结构是什么，以便我可以使用示例cnn演练代码并操作数据以镜像mnist数据的结构？
从该示例代码获得的mnist数据的格式完全取决于初始化类的方式。调用返回两个NumPy数组，分别表示
batch\u size
图像和标签。它们有以下格式


如果
数据集
是用
重塑=真
（默认值）初始化的，则图像数组是一个
批量大小
by
784
矩阵，其中每行包含一个MNIST图像的像素。默认类型是
tf.float32
，值是介于
0.0
和
1.0
之间的像素强度

如果
数据集
是用
重塑=假
初始化的，则图像数组是
批量大小
by
28
by
28
by
1
4维张量。
28
对应于每个图像的高度和宽度（以像素为单位）；
1
对应于图像中的通道数，这些通道是灰度级的，因此只有一个通道

如果使用
one\u hot=False
（默认值）初始化
数据集
，则标签数组是长度
batch\u size
的向量，其中每个值都是表示相应图像中数字的标签（从
0
到
9
的整数）

如果使用
one\u hot=True
初始化
数据集
，则标签数组是
batch\u size
by
10
矩阵，其中每行均为零，但与相应图像标签对应的列中的
1
除外


请注意，如果您对卷积网络感兴趣，则可能需要使用
restrape=False
初始化
DataSet
，因为这将保留卷积运算符将使用的图像的空间信息。
从该示例代码中获得的MNIST数据的格式取决于初始化类的方式。调用返回两个NumPy数组，分别表示
batch\u size
图像和标签。它们有以下格式


如果
数据集
是用
重塑=真
（默认值）初始化的，则图像数组是一个
批量大小
by
784
矩阵，其中每行包含一个MNIST图像的像素。默认类型是
tf.float32
，值是介于
0.0
和
1.0
之间的像素强度

如果
数据集
是用
重塑=假
初始化的，则图像数组是
批量大小
by
28
by
28
by
1
4维张量。
28
对应于每个图像的高度和宽度（以像素为单位）；
1
对应于图像中的通道数，这些通道是灰度级的，因此只有一个通道

如果使用
one\u hot=False
（默认值）初始化
数据集
，则标签数组是长度
batch\u size
的向量，其中每个值都是表示相应图像中数字的标签（从
0
到
9
的整数）

如果使用
one\u hot=True
初始化
数据集
，则标签数组是
batch\u size
by
10
矩阵，其中每行均为零，但与相应图像标签对应的列中的
1
除外


请注意，如果您对卷积网络感兴趣，可能需要使用
restrape=False
初始化
数据集
，因为这将保留卷积运算符将使用的图像的空间信息。
作为快速跟进，是否有方法将其他数据初始化为数据集类型，以便在mnist数据上使用.next_batch（）？mnist示例代码实际上不可用于其他类型的数据集，因为它包含特定数据格式的各种详细信息。您可以在这里查看
tf.contrib.learn
中的其他示例数据集库：作为快速跟进，是否有方法将其他数据初始化为数据集类型，以便使用.next_batch（）除了mnist数据之外？mnist示例代码对于其他类型的数据集不是真正可重用的，因为它包含特定数据格式的各种细节。您可以在这里尝试查看
tf.contrib.learn
中的其他示例数据集库：