天才一秒记住【畅想小说网】地址：http://www.cxtra.net
（x_train，y_trai）=mnist.load_data（path="D：mnist.npz"）
#如果方便访问亚马逊云，可以用（x_train，y_trai）=
#mnist.load_data（）来自动下载数据。
如果已经从教材资源平台将数据下载
#到本地，#假设保存在D盘根目录下，就使用上述命令形式。
需要注意的是，
#为了和linux兼容，windows下的路径反斜杠""都要写成""另外，
#上述命令将数据分为训练数据和验证数据。
无论是训练集还是验证集，都令x
#是输入数据，y是输出数据
ifK.image_data_format（）=='els_first'：
x_train=x_trairain.shape[_cols）
&.reshape（x_test.shape[_cols）
input_shape=（1，img_rows，img_cols）
else：
x_train=x_trairain.shape[_cols，1）
&.reshape（x_test.shape[_cols，1）
input_shape=（img_rows，img_cols，1）
#因为Theano和TensorFlow定义的图片格式不同，这里针对不同的后台对
#数据进行处理，读者暂且可以不用深究
x_train=x_train.astype（'float32'）
&.astype（'float32'）
x_train=255
&=255
print（'x_trainshape：'，x_train.shape）
print（x_train.shape[0]，'trainsamples'）
pri.shape[0]，'testsamples'）
#上述命令给出训练集和测试集的维度，输出如下：
#x_trainshape：（60000，28，28，1）
#60000trainsamples
#10000testsamples
y_traiils.to_categorical（y_train，num_classes）
&=keras.utils.to_categorical（y_test，num_classes）
#上述命令将训练数据和验证数据的类别转化成keras支持的格式
#通过以下代码构建深度网络，使用2D卷积层，池化层、Dropout层、压平
#层等
本章未完，请点击下一章继续阅读！若浏览器显示没有新章节了，请尝试点击右上角↗️或右下角↘️的菜单，退出阅读模式即可，谢谢！