这篇文章主要讲解了“python读取mnist数据集的方法”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“python读取mnist数据集的方法”吧！
这部分内容网络上很常见，这里还是简明介绍一下。网络上下载的mnist数据集包含4个文件：
前两个分别是测试集的image和label，包含10000个样本。后两个是训练集的，包含60000个样本。.gz表示这个一个压缩包，如果进行解压的话，会得到.ubyte格式的二进制文件。
上图是训练集的label和image数据的存储格式。两个文件最开始都有magic number和number of images/items两个数据，有用的是第二个，表示文件中存储的样本个数。另外要注意的是数据的位数，有32位整型和8位整型两种。
需要import gzip
读取训练集的代码如下：
def load_mnist_train(path, kind='train'):
'‘'
path:数据集的路径
kind:值为train，代表读取训练集
‘'‘
labels_path = os.path.join(path,'%s-labels-idx1-ubyte.gz'% kind)
images_path = os.path.join(path,'%s-images-idx3-ubyte.gz'% kind)
#使用gzip打开文件
with gzip.open(labels_path, 'rb') as lbpath:
#使用struct.unpack方法读取前两个数据，>代表高位在前，I代表32位整型。lbpath.read(8)表示一次从文件中读取8个字节
#这样读到的前两个数据分别是magic number和样本个数
magic, n = struct.unpack('>II',lbpath.read(8))
#使用np.fromstring读取剩下的数据，lbpath.read()表示读取所有的数据
labels = np.fromstring(lbpath.read(),dtype=np.uint8)
with gzip.open(images_path, 'rb') as imgpath:
magic, num, rows, cols = struct.unpack('>IIII',imgpath.read(16))
images = np.fromstring(imgpath.read(),dtype=np.uint8).reshape(len(labels), 784)
return images, labels读取测试集的代码类似。
如果在本地对四个文件解压缩之后，得到的就是.ubyte格式的文件，这时读取的代码有所变化。
def load_mnist_train(path, kind='train'):
'‘'
path:数据集的路径
kind:值为train，代表读取训练集
‘'‘
labels_path = os.path.join(path,'%s-labels-idx1-ubyte'% kind)
images_path = os.path.join(path,'%s-images-idx3-ubyte'% kind)
#不再用gzip打开文件
with open(labels_path, 'rb') as lbpath:
#使用struct.unpack方法读取前两个数据，>代表高位在前，I代表32位整型。lbpath.read(8)表示一次从文件中读取8个字节
#这样读到的前两个数据分别是magic number和样本个数
magic, n = struct.unpack('>II',lbpath.read(8))
#使用np.fromfile读取剩下的数据
labels = np.fromfile(lbpath,dtype=np.uint8)
with gzip.open(images_path, 'rb') as imgpath:
magic, num, rows, cols = struct.unpack('>IIII',imgpath.read(16))
images = np.fromfile(imgpath,dtype=np.uint8).reshape(len(labels), 784)
return images, labels读取之后可以查看images和labels的长度，确认读取是否正确。
感谢各位的阅读，以上就是“python读取mnist数据集的方法”的内容了，经过本文的学习后，相信大家对python读取mnist数据集的方法这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是亿速云，小编将为大家推送更多相关知识点的文章，欢迎关注！
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
