在Nvidia Digits上用tensorflow框架直接拿来使用的mnist数据集十分方便，现在为了究竟，使用Python直接实现加载mnist数据集。
from tensorflow.example.tutorials.mnistimport input_dataimport tensorflowas tf#加载数据集
mnist= input_data.read_data_sets('E:/soft/MNIST_DATA',one_hot=True)#加载训练集样本
tran_x= mnist.train.images#加载验证集样本
validation_x= mnist.validation.image#加载测试样本
test_x= mnist.test.images#加载训练集标签
train_y= mnist.train.labels#加载测试集标签
test_y= mnist.test.labelsprint('train_x.shape:',train_x.shape,'train_y.shape:',rain_y.shape)#查看训练集中第一个样本的内容和标签print(train_x[1])print(train_y[1])#获取训练集数据的前100个
images.labels= mnist.train.next_batch(100)print('images.shape:',images.shape,'labels.shape',labels.shape)#数据可视化import matplotlib.pylpotas pit#绘制训练集前20个样本
fig.ax= plt.subplots(nrows=4,ncols=5)
ax= ax.flatten()for iinrange(20)
img= train_x[i].reshape(28,28)
ax[i].imshow(img,cmap='Greys')
ax[0].set_xticks([])
ax[0].set_yticks([])
plt.show()onhot编码是：[0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0 ]
绘制前20张样本图片
