tf.keras.datasets.mnist.load_data

Загружает набор данных MNIST.

tf.keras.datasets.mnist.load_data(
    path='mnist.npz'
)

Используется в ноутбуках

Используется в руководстве	Используется в учебниках
Импорт модели JAX с помощью JAX2TF Смешанная точность Многопроцессорная и распределённая тренировка Пример кластеризации весов в Keras Обрезка в примере Keras	Пользовательский цикл обучения с Keras и MultiWorkerMirroredStrategy Многопроцессорная тренировка с Keras Свёрточная вариационная автокодировщик Глубокая свёрточная генеративно-состязательная сеть Сохранение и загрузка моделей

Это набор данных из 60 000 28x28 черно-белых изображений 10 цифр, а также набор проверки из 10 000 изображений. Дополнительную информацию можно найти на главной странице MNIST.

Аргументы
`path`	путь к кешу набора данных локально (относительно `~/.keras/datasets`).

Возвращаемые значения
Кортеж массивов NumPy: `(x_train, y_train), (x_test, y_test)`.

x_train: uint8 Массив NumPy данных черно-белых изображений с форматом (60000, 28, 28), содержащий обучающие данные. Значения пикселей варьируются от 0 до 255.

y_train: uint8 Массив NumPy меток цифр (целые числа в диапазоне от 0 до 9) с формой (60000,) для обучающих данных.

x_test: uint8 Массив NumPy данных черно-белых изображений с форматом (10000, 28, 28), содержащий тестовые данные. Значения пикселей варьируются от 0 до 255.

y_test: uint8 Массив NumPy меток цифр (целые числа в диапазоне от 0 до 9) с формой (10000,) для тестовых данных.

Пример:

(x_train, y_train), (x_test, y_test) = keras.datasets.mnist.load_data()
assert x_train.shape == (60000, 28, 28)
assert x_test.shape == (10000, 28, 28)
assert y_train.shape == (60000,)
assert y_test.shape == (10000,)

Лицензия:

Авторские права на набор данных MNIST принадлежат Yann LeCun и Corinna Cortes, являясь производной работой от исходных наборов данных NIST. Набор данных MNIST предоставляется на условиях лицензии Creative Commons Attribution-Share Alike 3.0.

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/api_docs/python/tf/keras/datasets/mnist/load_data