1 インポートSYS、OS 2 sys.path.append（os.pardir） 3 インポートNPとしてnumpyの 4 から dataset.mnist インポートload_mnist 5 から PILのインポートイメージ 6 7 DEF （IMG）img_show： 8 pil_img = Image.fromarray（NPします。 UINT8（IMG）） 9 pil_img.show（） 10 11（x_train、t_train）、（x_test、t_test）= load_mnist（平ら= 真、 12正規= 偽） 13 IMG = x_train [0] 14ラベル=t_train [0] 15 印刷（ラベル）＃5 16 17 プリント（img.shape） ＃（784） 18である IMG = img.reshape（28、28） ＃は元のサイズに画像の形状 。19 プリント（IMG。形状） ＃（28、28）、 20は 21である img_show（IMG）
Mnistは、コードが実行され、トレーニング画像が最初に表示され、画像を表示します。sys.path.append親ディレクトリをインポートする（os.pardir）、最初の呼び出しのload_mnist機能、あなたはMNISTデータセットをダウンロードしたいので、私たちは、ネットワークに接続する必要があります。目以降の呼び出しはでき、したがって、処理時間が非常に短いローカル（漬物ファイル）に格納されたファイルを読み込むだけです。
load_mnist機能に「（トレーニング画像、トレーニングラベル）、（テスト画像は、テスト・ラベル）」が読み取られたデータのMNSTとして返されます。あなたも好きなことができます
load_mnist（=真、one_hot_label = Falseのフラット化、=真の正規化）
このように、三つのパラメータを提供します。最初のパラメータは、正規化入力画像を設定するには0.0〜1.0の値に正規化されるかどうか。このパラメータに設定されている場合はFalseを、入力画像の画素255に元の0のままです。第2のパラメータは、平坦（一次元データへの）入力画像を開始するかどうかを設定します。このパラメータに設定されている場合はFalseを、入力画像である1×28×28 3次元配列;に設定されている場合はTrue、入力画像は、784個の素子のアレイによって格納されます。第三のパラメータラベルを保存するか否かを設定one_hot_label ワンホットは、（示してワンホット表現）。ワンホット表現は、正解であるように、配列の残りの部分は、全て0であり、ラベルである[0,0,1,0,0,0,0,0,0,0]そう。ときone_hot_labelがあるFalseのとき;、知識が正解7,2とてもシンプルなラベルを保存したいone_hot_labelがに真、ラベルとして保存されているワンホット表現。
Pythonは、この便利な機能を酸洗ています。この機能を使用すると、オブジェクト・ファイルに実行中のプログラムを保存することができます。あなたが保存したピクルスファイルをロードする場合は、プログラムを実行する前に、オブジェクトがすぐに復元することができます。データを読み出すためMNISTはセット 内部の機能はまた、（リード第二以降の回で）ピックル関数を使用します。ピクルスの機能を使用して、あなたが効率的に準備作業のMNISTデータを完了することができます。
load_mnist()
ことに留意すべきでflatten=True 読み取られた画像は、1つの（一次元）numpyの配列の形で記憶されている場合。このように、画像が表示され、それは28画素×元の形状画素に28する必要があります。あなたができ 方式、形状変化numpyのアレイの所望の形状パラメータを指定します。さらに、また、PIL numpyのアレイを用いて画像データに変換されたデータオブジェクトを保存する必要があり、この変換は、によって処理され 完成しました。 reshape() Image.fromarray()
= IMG [x_train 0 ] [0]データ784の最初の列を示しx_trainので、マトリクスの728行#x_train形状である（6000,784）、すなわち、6000
= t_trainラベル[ 0 ] #t_train形状、すなわち、行またはデータ6000のカラム、（6000）であり、[0]の値が5である第一データであるのでt_train